發(fā)布時間：2020-10-28 09:45

　　 企業(yè)的戰(zhàn)略決策應(yīng)以市場需求為依據(jù),最能真實反映市場需求的指標(biāo)之一是產(chǎn)品銷量,因此對汽車銷量做出及時準(zhǔn)確的預(yù)測對于企業(yè)未來發(fā)展規(guī)劃具有重要的指導(dǎo)意義。當(dāng)前中國汽車市場競爭激烈,各大汽車制造商紛紛投入大量資金和技術(shù)搶占市場份額,不斷地在市場上推出新的車型,這一方面可為消費者帶來更加豐富的購買選擇,另一方面也使得汽車企業(yè)的銷量預(yù)測變得更加困難。在互聯(lián)網(wǎng)快速發(fā)展的背景下,消費者獲取信息的途徑和習(xí)慣發(fā)生改變,人們的決策行為越來越多地在網(wǎng)上得以體現(xiàn),利用實時網(wǎng)絡(luò)數(shù)據(jù)進行銷量預(yù)測為企業(yè)提供了一個新的研究視角。本文首先建立了消費者網(wǎng)絡(luò)信息搜索與產(chǎn)品銷量相關(guān)性的理論框架;之后,以國內(nèi)汽車消費者利用百度搜索引擎搜索信息和購買決策過程中留下的搜索數(shù)據(jù)為基礎(chǔ),構(gòu)建并篩選與汽車銷量相關(guān)性高且具有時差領(lǐng)先性的搜索關(guān)鍵詞庫,建立了基于BP神經(jīng)網(wǎng)絡(luò)的品牌汽車月銷量預(yù)測模型;在此基礎(chǔ)上,以具體車型為例,對某車型汽車的月銷量提前了一個月進行預(yù)測;最后,將本文預(yù)測結(jié)果和傳統(tǒng)的ARIMA和多元線性回歸模型預(yù)測結(jié)果與真實的市場銷量情況進行對比,對比結(jié)果顯示,本文提出的模型預(yù)測誤差更小。此外,在本文模型的基礎(chǔ)上進行基于主成分的改進,進一步提高了模型的泛化能力和預(yù)測精度。本文提出的基于百度指數(shù)和BP神經(jīng)網(wǎng)絡(luò)的汽車銷量預(yù)測模型,是基于實時的百度指數(shù)數(shù)據(jù),并與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法相結(jié)合,對汽車銷量進行預(yù)測的一種新的方法。本文模型的預(yù)測對象是某款具體車型,預(yù)測更加細化并且具有較好的擬合效果和預(yù)測精度�？梢詾槠嚻髽I(yè)產(chǎn)品銷量預(yù)測提供一種新的思路,也可為其他行業(yè)參考應(yīng)用。
【學(xué)位單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP183;F426.471;F274
【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與研究方法
第2章 模型的理論基礎(chǔ)
    2.1 消費者網(wǎng)絡(luò)信息搜索模型理論框架
    2.2 BP神經(jīng)網(wǎng)絡(luò)
    2.3 百度指數(shù)簡介
    2.4 本章小結(jié)
第3章 基于百度指數(shù)的變量數(shù)據(jù)選取與模型結(jié)構(gòu)確定
    3.1 基于百度指數(shù)的變量數(shù)據(jù)選取
    3.2 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計
    3.3 本章小結(jié)
第4章 實證應(yīng)用——基于本文模型的朗逸車型銷量預(yù)測
    4.1 樣本數(shù)據(jù)選取及預(yù)處理
    4.2 關(guān)鍵詞的選取
    4.3 模型結(jié)構(gòu)和預(yù)測結(jié)果分析
    4.4 基于主成分分析的改進
    4.5 本章小結(jié)
第5章 實證應(yīng)用討論
    5.1 對比模型確定
    5.2 模型預(yù)測效果比較
    5.3 本章小結(jié)
第6章 結(jié)論
    6.1 研究結(jié)論
    6.2 研究展望
致謝
參考文獻
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果

【相似文獻】

相關(guān)期刊論文 前10條

1 肖書暢;;基于百度指數(shù)對投資者關(guān)注度測量指標(biāo)的研究[J];現(xiàn)代經(jīng)濟信息;2018年02期

2 王永斌;;誰在關(guān)注社會主義核心價值觀——基于百度指數(shù)的大數(shù)據(jù)分析[J];馬克思主義研究;2018年02期

3 柏正健;方華;;基于百度指數(shù)的投資者關(guān)注度對股票市場表現(xiàn)的影響[J];電子商務(wù);2018年12期

4 田冰;胡俞越;;投資者關(guān)注對滬深300股指期貨、現(xiàn)貨收益率的影響——基于百度指數(shù)的實證分析[J];中國證券期貨;2019年02期

5 邱瀘誼;李華;;基于百度指數(shù)的社會輿情研究[J];科技風(fēng);2018年33期

6 立夏;;生鮮電商:或成下一個電商時代的“門票”[J];農(nóng)經(jīng);2017年03期

7 李云鵬;;旅游場景驅(qū)動的大數(shù)據(jù)應(yīng)用[J];旅游學(xué)刊;2017年09期

8 陳洪;劉燊;趙曉;;網(wǎng)絡(luò)關(guān)注度視域下的“校園貸”問題研究——基于百度指數(shù)數(shù)據(jù)平臺[J];山西能源學(xué)院學(xué)報;2018年06期

9 柯山;潘輝;呂梁;;基于百度指數(shù)關(guān)注行為傾向的鄉(xiāng)村振興規(guī)劃實踐——以福建省古田縣金翼之家為例[J];東南園藝;2019年01期

10 顧敏華;姚建香;湯玲;;特定關(guān)鍵詞的百度指數(shù)與流感病毒活動相關(guān)性分析[J];職業(yè)與健康;2019年08期

相關(guān)碩士學(xué)位論文 前10條

1 馬歡;基于百度指數(shù)和BP神經(jīng)網(wǎng)絡(luò)的汽車銷量預(yù)測模型研究[D];武漢理工大學(xué);2018年

2 問曉萌;互聯(lián)網(wǎng)大數(shù)據(jù)對A股影響的實證分析[D];天津大學(xué);2018年

3 蔡巧;基于百度指數(shù)手足口病發(fā)病預(yù)測模型的比較研究[D];廣東藥科大學(xué);2018年

4 孫益林;基于百度指數(shù)的異位妊娠患病情況的大數(shù)據(jù)分析[D];蘇州大學(xué);2018年

5 徐天成;中國網(wǎng)絡(luò)語言中的日源借詞的計量研究[D];北京外國語大學(xué);2018年

6 劉晨陽;基于百度指數(shù)的汽車銷量預(yù)測研究[D];湖北大學(xué);2018年

7 張淯洋;投資者關(guān)注度與小盤股市場表現(xiàn)[D];華東政法大學(xué);2018年

8 王晶晶;百度指數(shù)在我國H7N9與登革熱疫情分析上的應(yīng)用研究[D];湖南大學(xué);2015年

9 婁沁沁;我國網(wǎng)絡(luò)擬人漫畫研究[D];廈門大學(xué);2017年

10 潘妍紅;投資者關(guān)注度對不同市態(tài)下創(chuàng)業(yè)板市場表現(xiàn)的影響[D];東北財經(jīng)大學(xué);2017年

本文編號：2859920