基于bp神经网络的我国汽车销量预测分析

《基于bp神经网络的我国汽车销量预测分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据摘要基于BP神经网络的我国汽车销量预测分析摘要汽车产业是我国经济的四大支柱产业之一。伴随着我国宏观经济增速放缓，汽车行业供求失衡、产销率下降等问题开始显现。因而科学有效地预

2、测汽车销量，并根据预测合理安排汽车生产变得至关重要。BP神经网络是人工智能中的代表性方法，具有优良的非线性预测效果。本文以BP神经网络技术为主线，结合ARIMA模型和主成分分析，分别对汽车的月度销量和年度销量进行预测。在汽车月度销量预测问题中，分别使用了ARIMA模型和BP神经网络单独进行了预测。针对月度数据具有的周期波动特点，对ARIMA模型采用具有季节调整的形式。结果显示，这两种模型均具有良好的预测精度。为进一步提高预测效果，根据预测误差平方和最小的原则将两种模型进行组合，构建新的组合预测模型，结果表明组合模型的预测效果优于单一的预测模型。在汽车年度销量预测问题中，采用了GD

3、P、城镇居民人均可支配收入、钢材产量、橡胶轮胎外胎产量等八项经济指标对汽车销量进行预测。运用灰色理论分析得到选用的指标和汽车销量的关联度，其中橡胶轮胎外胎产量和钢材产量与汽车销量的关联度最高。将这八项指标标准化后作为BP神经网络的输入值对销量进行预测，预测结果I万方数据东华大学硕士学位论文的平均相对误差为2.34%。针对指标中可能存在的信息冗余，采用了主成分分析方法对输入数据进行降维处理。结果显示，主成分BP神经网络预测的平均相对误差为1.71%，比BP神经网络降低0.53%。关键字：BP神经网络；ARIMA模型；灰色关联度分析；主成分分析II万方数据摘要RESEARCHONSA

4、LESFORECASTSOFCARSBYBPNEURALNETWORKABSTRACTTheautomotiveindustryisoneofthefourmainstayindustriesofourcountry,anditplaysanimportantroleinthenationaleconomy.Alongwiththeslowdownofmacroeconomic,automobileindustryinChinaalsobeginstoslowdown.Atthesametime,thesupplyanddemandoftheautomotiveindustryi

5、simbalanced.Therefore,areasonablesalesforecastoftheautomotivemarketiscrucial.BPneuralnetworkisarepresentativemethodofartificialintelligence.Ithasagoodabilitytopredictnonlinearproblems.Itisselectedasthemainlinetoforecastmonthlyandannualcarsales.TheSARIMAmodelisusedtoforecastmonthlycarsales,and

6、thenBPneuralnetwork.ItshowsthatBPneuralnetworkandSARIMAmodelhaveagoodpredictiveaccuracy.Tofurtherimprovethepredictioneffect,BPneuralnetworkandSARIMAmodelarecombinedtoestablishahybridforecastingmodel.Theresultsshowsthatthepredictivecapabilityofthehybridforecastingmodelisbetterthanasingleforeca

7、stingmodel.Fortheforecastingproblemofannualcarsales,GDP,thepercapitadisposableincomeofurbanresidentsandothersixeconomicindicatorsareusedforsalesforecasting.Thegraycorrelationanalysisisemployedtoanalyzetheassociationbetweenselectedindicatorsan