计及电动汽车保有量增长需求的充电负荷预测

当前对电动汽车充电负荷的研究大多集中在短期演变,对长时间尺度下的发展情况并未有较多研究。文中提出一种电动汽车保有量增长需求的充电负荷预测模型。首先采用萤火虫算法优化电动汽车保有量灰色预测模型的相关参数,对某地区2023—2033年电动汽车保有量进行预测;其次,综合考虑保有量预测结果、用户出行链、行驶里程及充电起始时间,结合在不同温度下的电动汽车电池容量和充电效率搭建充电负荷预测模型;最后,对江苏省某地区2023—2033年电动汽车充电负荷进行仿真预测。仿真结果有效地预测了电动汽车在未来10年中保有量发展趋势以及考虑保有量增长需求的充电负荷。

城市汽车保有量极限值分析与预测

准确判断城市汽车拥有水平对于汽车产业发展和城市交通规划具有重要意义。利用解释结构模型,构建影响城市汽车拥有水平的整体框架体系,将15个影响因素划分为4个层次。识别了城市人口规模、城市人口密度等影响汽车拥有水平的根本性因素,以及居民可支配收入水平、公共交通服务水平等最直接的影响因素。构建城市建成区人口密度、城市人口规模与千人汽车保有量极限值的回归模型,发现城市建成区人口密度相比于城市人口密度具有更好的解释力,负指数模型比线性模型有更好的解释力。通过模型推算,中国超大城市、特大城市和大城市远期的千人汽车保有量将分别处于300辆·千人-1,350辆·千人-1和400辆·千人-1左右的水平,小城市可能达到450辆·千人-1甚至更高水平。

基于神经网络的中国汽车保有量建模与预测

利用改进的 BP神经网络对中国 2 0 0 0年、2 0 0 5年、2 0 1 0年的汽车保有量进行预测 ,并与灰色预测的结果进行对比。结果表明 ,由于神经网络具有很强的学习与泛化能力 ,因此在处理具有一定程度不确定性的非线性系统的建模与预测方面 。

基于PCA-Logistic回归的汽车保有量预测研究

汽车保有量是一个相对复杂、非线性变化的数据总量,需要一种预测方法对汽车保有量进行快速、准确、合理的预测,预测结果可以作为城市经济可持续发展的重要依据。以福建省为例,选取2000—2014年间福建省总人口、人均GDP、第一产业生产总值比重、第二产业生产总值比重、第三产业生产总值比重、城镇居民人均可支配收入、农村居民人均纯收入、城市化水平等8个指标作为汽车保有量的主要影响因素进行分析。对8个指标进行主成分分析得到综合经济发展值的预测方程,采用Logistic回归模型进行预测并验证。结果显示:该方法预测精度高,能够为对汽车保有量进行较准确的估计,并为城市发展规划提供参考依据。

基于Logistic组合模型的中国民用汽车保有量预测

经济的发展和人民生活水平的提高使我国民用汽车保有量急速上升,同时导致公共设施和能源供应等矛盾凸显。客观、准确的未来中国汽车保有量预测是解决上述问题的前提。本文以传统Lo-gistic模型为基础,借鉴灰色理论累加生成数据处理方法和级差格式,对预测参数进行估计,同时将模型中扩散速度函数化,并建立以误差标准差为权重的民用汽车保有量的Logistic组合预测模型。该模型能很好地避免传统预测模型中预测参数主观化,预测环境常态化的缺点,使模型能够客观、动态地反映未来中国汽车保有量的扩散趋势。最后结合中国历年民用汽车历史数据,对未来十年中国民用汽车保有量进行预测。预测结果表明:未来十年中国的民用汽车保有量还将快速增长,到2020年中国民用汽车保量将超过2.3亿辆。

基于Gompertz模型的中国民用汽车保有量预测

本文采用我国31个省(市)的面板数据,利用Gompertz模型对我国各省(市)民用汽车保有量和拐点进行了预测。结果表明:Gompertz模型能很好地拟合我国各省市的民用汽车发展趋势;北京、浙江、内蒙古的民用汽车保有量的人均收入弹性已接近最大,其他各省的收入弹性仍然在不断地增长;理想估计下,大部分省市的汽车保有量将在2015—2020年之间达到拐点;2015年全国的民用汽车保有量将会突破1.28亿辆,2020年将达到2.19亿辆。

Logistic模型在我国私人汽车保有量预测中的应用研究

论文介绍了新产品扩散Logistic模型及两种参数估计方法,就我国私人汽车保有量的发展情况分别采用两种算法建立扩散模型,比较分析了它们的结果并将预测结果与其他文献对比,得出:(1)基于遗传算法的Logistic模型适用于我国私人汽车发展趋势的中长期预测,预测私人汽车的最大市场潜量为7亿左右,增长极大年处于2021～2026之间;(2)基于非线性最小二乘法的Logistic模型拟合度高,适用于近期预测;(3)Logistic模型预测私人汽车保有量的精度普遍比其他模型高。

基于多相关因素的汽车保有量预测神经网络方法

将神经网络技术用于汽车保有量预测 ,建立基于双BP神经网络的多相关因素汽车保有量预测模型。以呼和浩特市汽车保有量预测为例 ,详细介绍汽车保有量神经网络预测模型的操作过程 ,并证实了该方法的可行性和可靠性。

基于计量经济学模型的汽车保有量预测

汽车保有量与社会经济的发展有着密切关系,通过建立计量经济学模型寻求汽车保有量和社会经济有关指标的函数关系,可以较为准确地预测一个地区短期内的汽车保有量.本文根据广东省的统计数据,给出建立计量经济学预测模型和进行各项检验的详细过程,并根据模型预测了广东省2 0 0 4年和2 0 0 5年的汽车保有量.

基于因子分析法的中国民用汽车保有量影响因素分析及其政策含义

随着中国国民收入的稳步提高,民用汽车保有量在快速上升,但理论界对民用汽车保有量的研究既存在选取变量有限、信息丢失或遗漏等问题,又存在对其影响因素研究不足的现状。故选取2005年全国31个省市自治区的各地区国民经济核算、固定资产投资、运输和邮电、国内贸易以及人口五大类中部分项目的大量截面数据,在对影响中国民用汽车保有量影响因素进行相关分析的基础上,运用因子分析法率先得出影响中国民用汽车保有量的生产消费、交通水利投资、公路和批发零售四个相关因子,并讨论了促进中国汽车发展的政策含义。

全国民用汽车保有量情景预测研究

民用汽车保有量与社会经济发展有着密切关系,本文通过将情景分析和计量经济学结合,寻求民用汽车保有量和社会经济有关指标的函数关系。根据全国的统计数据,得到全国民用汽车保有量的预测模型,预测出全国在2009年民用汽车保有量为930至1030万辆,2010年民用汽车保有量为980至1230万辆。

基于GMDH方法的四川民用汽车保有量预测研究

文章针对四川民用汽车保有量原始数据较少的特点,应用GMDH方法建立预测模型对其进行了预测分析,并通过与传统的回归和人工神经网络模型预测结果的比较说明GMDH方法是汽车保有量等复杂经济系统变量小样本预测的一条有效途径。

基于NARX神经网络的城市汽车保有量区间估计及灵敏度分析

分析了影响汽车保有量的因素，运用灰色关联度理论选取主要影响因子，并采用主成分分析法对选定因子进行了相关性处理和降维处理，针对选取的相关因子建立了NARX神经网络预测模型。以此为基础，根据长沙市2000-2012年各指标的历史数据，对该市2013～2020年汽车保有量进行了区间预测，并进行了误差分析和灵敏度分析。研究结果表明，2013～2020年间该市汽车保有量的增加速度较为稳定，到2020年该市汽车保有量总数达1902847辆，修正后的预测值所属区间为E1891715，1913979]；当经济增长速度降低1％时，汽车保有量平均增长速度降低0．53％；且政策对该市汽车保有量具有显著性影响。

汽车保有量与国民经济GDP及相关产业关系

通过分析对中国汽车保有量与国民经济GDP增长率对相关产业影响的分析,论述了汽车保有量对国民经济GDP的影响程度及对其相关产业的拉动作用,为项目投资、决策和宏观调控提供参考依据,对与汽车行业有关的产业投资决策具有实用指导价值。

基于分段外推法的城市汽车保有量预测

汽车保有量的预测是城市交通规划的一项基础性工作,是制定各种交通需求管理措施的重要依据。分析影响城市汽车保有量的因素,将城市划分成不同的交通小区,并建立相应的评价模型对各小区进行综合评价。同时利用某一小区以往汽车保有量资料,建立基于分段外推法的城市汽车保有量预测模型,为城市汽车保有量的近期预测提供有效方法。

我国未来汽车保有量情景预测研究

汽车保有量的预测具有一定程度的不确定性。对2010、2020及2030年我国的汽车保有量进行科学预测，是确定我国公路交通长短期发展规划，制定环保与能源等方面相关政策的关键。在对我国经济各个发展阶段进行情景分析的基础上。考虑经济、人口、汽车保有量增长速度以及不同地区人均GDP人群分布等因素，运用趋势外推、弹性系数、国内外情景类比及运输工作量计算等方法对我国未来的汽车保有量进行综合预测，确定到2030年我国汽车保有量将达到2．3．2．5亿辆。是2020年的1．7～1．9倍左右、是2010年的4．6倍。汽车保有量的大幅度增加势必对土地、能源资源和环境保护带来巨大压力，贯彻科学发展观、节约资源、保护环境，走可持续发展道路将是我国未来道路交通发展的客观要求。

PCA-BP在城市汽车保有量预测中的应用研究

城市汽车保有量影响因素众多,且存在复杂的相关关系,传统数学预测模型和神经网络模型,无法消除影响因素之间的相关性,从而导致预测精度较低。为提高城市汽车保有量预测精度,提出了一种基于主成分分析的BP神经网络预测模型。通过对城市汽车保有量影响因子进行主成分分析,消除各因子间的冗余信息,降低BP神经网络的输入维数,简化神经网络拓扑结构,提高城市汽车保有量的训练速度与预测精度。对南京市2006-2009年南京市汽车保有量进行仿真,实现结果表明,PCA-BP模型的训练速度快、预测精度高,可为城市汽车保有量预测提供参考依据。

基于Gompertz曲线模型之上的中国千人汽车保有量中长期预测

本研究从整个汽车产业的角度出发,站在国家经济发展的背景下利用人均GDP和汽车保有量的Gompertz曲线模型预测了我国汽车保有量在未来几十年内的发展趋势,我们借鉴了OECD发达国家和新加坡等新兴发展中国家汽车保有量达到饱和的发展历程,在它们的经验之上并结合我国的实际情况测算我国的汽车保有量,结果显示中国的汽车保有量已经在沿着Gompertz曲线的轨迹向前发展,并且已经进入了一个高速发展时期,2001~2008年的历史数据显示,这段时间内的中国汽车千人保有量以每年3.37辆的速度在上升,在之后的预测期内,这种快速上升的趋势会一直持续下去直至2037年左右,这期间中国千人汽车保有量,快则以每年7.29辆的速度,慢则以每年2.34辆,中等以每年4.8辆的速度增长,2037年之后,中国的汽车保有量会进入饱和期,其增长速度放缓,保有量高则达到310,低则达到106,中等达到217辆的水平,对应的人均GDP分别为每年40万元,25万元和9万元（2009年价格水平）。

基于自回归模型的新能源汽车保有量预测

在当今低碳经济背景下,发展新能源汽车成为节能减排的重要途径。本文结合新能源技术的发展情况、国家政策导向以及运用一阶自回归模型计算出的2010-2015年的汽车保有量,预测了未来5年新能源汽车的保有量。这种增加了技术和政策因素做出的预测分析比以往单纯用模型公式计算会更加有可靠性。

基于双重Logistic曲线模型汽车保有量预测方法

经济发展和人民生活水平提高使得汽车保有就急速上升,从而引发城市交通拥堵、能源短缺、环境汚染等诸多问题,解决这些问题的前提是对未来年小汽车保有量客观、准确的预测。为了保证预测的准确性,采用双重Logistic曲线模型预测人口户数,通过分析人口户数与小汽车保有量之间的定量关系确定未来年小汽车保有量最大值范围;并结合西安市历年小汽车历史数据对未来西安市小汽车保有量进行预测。预测结果表明:该方法能根据人口增长趋势客观,动态地反映未来汽车保有量的发展趋势。西安市小汽车保有量还会快速増长,未来年小汽车保有量极值将达到626万辆左右。