基于PSO-BP神经网络的新能源汽车销量预测模型

为有效避免新能源汽车销量产销不平衡问题,通过粒子群优化算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)网络的参数迭代过程,弥补优化原本BP神经网络易陷入局部最优和收敛速度较慢的缺陷,构建了基于PSO-BP神经网络的新能源汽车销量预测模型,以比亚迪为例进行指数平滑法预测、BP和PSO-BP神经网络预测。结果表明BP神经网络模型相比于指数平滑模型在均方误差(mean square error,MSE)、平均绝对值误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)指标上预测性能优势显著,经过粒子群算法优化后的BP神经网络模型的MSE下降近7×10^(7),MAE下降3346,MAPE下降1.71%。可见基于PSO-BP神经网络的新能源汽车销量预测模型优于指数平滑模型和BP神经网络模型,粒子群优化的BP神经网络能够使模型跳出局部最优,加快收敛速度,预测结果的误差率更低,精度更高,且对企业的计划和生产具有指导作用。

基于经济驱动和寿命驱动的轻型客车销量预测模型

传统的汽车销量预测方法多依赖于经济参数的增长,然而近年来我国的经济增长逐渐放缓,单纯依赖经济参数的汽车销量预测模型不再适用,且私家车更新淘汰引起的销量结构变化也不容忽视。基于以上因素,将轻型客车销售分为经济驱动和寿命驱动2种模式。在考虑收入差距的基础上,结合人均收入水平和收入分布曲线,建立了轻型客车保有量预测模型,通过合理设置未来经济参数值,计算得到我国轻型客车保有量预测结果。引入车辆存活概率函数,根据历史数据拟合得到我国轻型客车存活概率曲线,以计算由车辆寿命驱动的销量。利用轻型客车保有量预测结果和车辆报废情况,得到2020至2050年2种模式驱动下的我国轻型客车销量。结果表明:我国正处于汽车增长的中期阶段,且增长拐点位于2030年前后,在此时间点后,汽车保有量增长将逐步放缓;我国目前的汽车销售仍由经济驱动占主体,但在研究时间段内,寿命驱动的销量份额不断增加,并从2025年开始超过经济驱动的销量,逐渐占据销售市场;到2050年,我国的轻型客车保有量将达到约5.4亿辆,销售量达到4821万辆左右,其中94.85%为寿命驱动的购置,经济驱动的购买份额仅占5.15%,这表示我国的汽车市场在2050年将接近成熟,但仍存在经济增长导致的购买潜力。

高速公路服务区加油站油品销量预测模型研究

本文基于现有加油站油品销量预测模型,重点研究分析了高速公路加油站车流量、车流有效率、进站率、单车加油量等方面的特点,建立了高速公路加油站油品销量预测模型,旨在为油品销售企业投资建设高速公路加油站时提供一种评估思路。

食用菌电子商务销量预测模型

为了对食用菌电子商务销量进行准确预测,设计了基于深度学习的预测模型。在对食用菌销量数据进行预处理的基础上,采用卷积神经网络建立了销量预测训练模型。通过100个样本训练集的输入,可以达到99%的准确率,能够满足食用菌销量预测模型的精度要求。

一个新的销量预测模型

建立了一个新的销量预测模型。对季节变化关联较强的商品的销量 ,该模型有较高精确度的预测。本文不仅给出了模型中主要参数的估计方法 。

机器学习在汽车销量预测中的应用

利用机器学习技术,基于历史销量数据和钢材产量、橡胶轮胎产量、货币供应量、百度搜索指数、居民消费价格指数等,建立多因素非线性自回归汽车销量预测模型。