中国汽车年销量迈向3000万辆级新时代

2024中国汽车市场发展预测峰会上,中汽协预计,2024年我国汽车总销量为3100万辆左右,其中乘用车2680万辆左右,商用车420万辆左右,新能源汽车1150万辆左右,出口量为550万辆左右。

基于集成学习的电商销量预测研究分析

针对电商销量数据的复杂性和现有预测模型的稳定性及泛化能力不足问题,本研究基于大样本多变量数据,应用随机森林和渐进梯度回归树等机器学习模型进行分析。研究结果表明,相比于广义线性回归、弹性网络、支持向量回归、KNN回归树、决策树、多层感知机、AdaBoost,随机森林和渐进梯度回归树对电商销售数据预测拟合更加精确。相比于广义线性回归、弹性网络等7种传统机器学习算法,随机森林和渐进梯度回归树这两种集成学习的方法对电商销量预测更加精确,且渐进梯度回归树算法拟合效果更好、均方根误差更小,是一种更加有效的电商销量预测方法。

基于改进注意力机制Transformer网络的快消品销量预测方法

销量预测能为企业生产计划、仓储运输提供决策支持,使企业能更好地适应市场需求。快消品销售量受众多因素的影响,具有季节性和周期性规律,传统的线性模型难以准确的预测,本文从长时序列预测的视角,运用深度学习理论,提出了一种基于订单时序和订单频率的改进自注意力机制模型(Sequence-Frequency Transformer,SFTransformer)。首先,基于快消品订单数据构建原始数据集,采用time2vec编码处理订单时序信息,并融合订单数据的时序和频率特征在基于时序的订单数据的不同订单频率分别对应不同的注意力头来关注订单数据的订单时序特征和频率特征;使用Transformer模型架构提取特征进行长时序列预测。在真实数据集上进行对比实验,SFTransformer模型在均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)3项指标上均取得了最佳性能,验证了本文所提方法的有效性。

基于Bass模型的新能源汽车销量及碳减排量预测

基于Bass扩散模型,预测我国2023-2030年新能源汽车销量,考虑纯电动汽车和混合动力汽车的碳减排效果差异,计算纯电动汽车和混合动力汽车的平均市场份额,从而测算我国2023-2030年新能源汽车全生命周期碳减排量。结果表明,在考虑能源结构等因素变化的情景下,相较于传统汽油乘用车,推广使用新能源汽车,到2030年碳减排量预计可达4.31亿t,预计减排34.73%。

8月我国汽车工业经济运行总体平稳 新能源汽车产销量同比两位数增长

2024年8月,我国汽车工业经济运行总体平稳,当月产销小幅下降,新能源汽车产销快速增长,汽车出口持续扩大。18月汽车销量同比下降5%8月,汽车产销分别完成249.2万辆和245.3万辆,同比分别下降3.2%和5%。1-8月,汽车产销分别完成1867.4万辆和1876.6万辆,同比分别增长2.5%和3%。1)8月乘用车销量同比下降4%8月,乘用车产销分别完成222.1万辆和218.1万辆,同比分别下降2.3%和4%。1-8月,乘用车产销分别完成1614.1万辆和1615.7万辆,同比分别增长3%和3.3%。

中国林产工业协会发布两项年度统计 装饰纸和地板产品销量一增一降

中国林产工业协会近日公布我国装饰纸、地板产品年度销售统计。2023年,我国具有一定规模企业的人造板饰面专用原纸、地板产品总销量有增有降。2023年,我国具有一定规模企业的人造板饰面专用原纸总销量约145.24万吨,同比增长31.90%。其中,装饰原纸销量141.07万吨,同比增长33.48%;平衡纸销量3.23万吨,同比下降10.28%;表层纸销量0.94万吨,同比增长14.63%。装饰原纸中,素色纸37.82万吨,同比增长38.38%;印刷用原纸103.25万吨,同比增长31.78%。

2024年1月全球多数国家汽车销量同比增长

美国:新车销量111.1万辆,同比增长2.6%根据美国商务部经济分析局发布的汽车销量统计数据显示,2024年1月,美国汽车销量完成111.1万辆,同比增长2.6%。2024年1月,分主要车型来看,轻型车销量为107.6万辆,同比增长2.8%;重型卡车销量为3.5万辆,同比下降3.1%。在轻型车中,轿车销量为21.3万辆,同比增长1.4%;轻型卡车销量为86.3万辆,同比增长3.1%。

2024年1-8月新能源汽车销量增长30.9%

相对于传统燃油车市场的加速下滑,新能源汽车继续保持快速增长态势。8月,新能源汽车国内销量占比超过50%,其中插电式混合动力车型增速较快,成为新能源汽车市场增长的重要推动力。

我国不同类型体育彩票销量的时空演变特征及影响因素分析

该研究利用2011—2020年省际面板数据,运用自然间断点分级法、标准差椭圆、基尼系数、核密度估计等研究方法,探讨我国不同类型体育彩票销量的时空演变特征及影响因素。研究发现:(1)我国数字乐透型和竞猜型体育彩票销量随着时间的推移逐渐上升,而即开型体育彩票销量呈现一定的下降趋势;(2)各类体育彩票销量的整体演化趋势均趋于稳定和均衡,其中,数字乐透型体育彩票销量由西向东呈阶梯式递增分布,竞猜型体育彩票销量沿“胡焕庸线”形成明显的东密西疏格局,即开型体育彩票销量则呈高低分明的截断式片区分布;(3)前期因素、经济因素、社会因素、自身因素及事件因素等是影响我国不同类型体育彩票销量时空演变特征的重要因素,且不同因素对不同类型体育彩票的影响效果存在差异;(4)数字乐透型体育彩票与竞猜型体育彩票之间存在协同关系,两者与即开型体育彩票之间存在替代关系。据此,该研究提出促进体育彩票销量提升的对策建议:制定差异化的区域发展战略;重视事件营销;优化线下售彩渠道;活用互联网媒介;加强产品创新。

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7×107,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。

多元卷烟零售连锁商卷烟销量时间序列分析

本文对某多元卷烟零售连锁商的历史烟草销量进行了时间序列分析。主要包括烟草销量的季节性分析,卷烟和非烟商品销量相关性分析,及卷烟平均售价、城镇居民可支配收入与卷烟销量的月度波动关系分析。实证分析结果可对卷烟零售商的科学决策提供有力支持。

基于Stacking集成学习的商品销量预测研究

销量预测准确度的提升能够帮助电商企业更有效地规划库存,从而提高供应链管理的效率。文中利用Stacking集成学习方法融合多模型来预测销量,研究通过对基学习器进行选择,以RF、SVM、XGBoost、LSTM算法为第一层模型,线性回归为第二层模型,通过历史销售数据集进行验证。研究发现,相较于单一模型,Stacking集成学习方法的预测效果更优。此研究方法可以有效融合多种模型优势,得到更准确的销量预测结果,从而为电商企业制定库存和生产计划提供依据。

基于销量预测的LSTM模型优化

为了解决销量预测精度不准确以及数据集贫乏的问题,实现结果更精准、效率更高的销量预测,提出一种基于特征工程的长短时记忆(LSTM)神经网络销量预测模型.LSTM模型是经过循环神经网络(RNN)模型优化后的一种特殊结构,适用于处理与时间序列相关的问题.通过特征工程提取、筛选、衍生出新的特征序列与原始特征序列融合,并结合LSTM算法进行销量预测,提高了LSTM模型预测的精准度.以Rossmann店铺的实际销售数据为例,证实了经过优化后的特征序列集融合LSTM模型进行预测,在提高预测效率的同时也提升了预测结果的精准度.

指数平滑-SVR模型对新能源电动汽车销量的预测

新能源汽车行业呈现快速发展的态势。首先,文章基于指数平滑模型对2016—2023年新能源电动汽车销量进行了拟合分析,其次探讨了针对残差序列如何利用SVR模型来得到串联组合模型,最后利用指数平滑-SVR组合模型对未来10年新能源电动汽车的销量进行了预测。

基于大数据的新能源汽车销量的分析与预测

为了加强新能源汽车市场销量数据的收集、分析与处理,论文采用Python爬虫技术,抓取新能源汽车的销售数据,运用数据可视化技术将经过数据处理的销量进行可视化分析并图标的形式直观地展示,使用ARIMA、SARIMA和LSTM三种模型算法,对这些车型的销量进行深入地预测和分析。使用平均绝对误差(MAE)和均方根误差(RMSE)两种指标,对模型的预测效果进行评估和比较,这将为消费者、汽车制造商提供准确的数据支持,辅助他们作出更明智的决策和规划。

从流量到销量:图书直播带货互动影响效应分析

选取国内出版机构抖音图书直播带货前10账号为研究对象,采取Python抓取数据的方式,统计1654场直播数据。实证分析从流量到销量的过程中直播间的互动(弹幕数量、观众平均停留时长、新增粉丝数量)发挥的作用。图书直播应从产品耦合到信任耦合,获取观众信任比推介产品重要。在带货者众而传道者寡的现状下,主播知识内核的积累和语言上的有效触达观众,打造特色直播、错位化竞争是关键。

比亚迪:国内销量稳居第一 自研技术遥遥领先

本期股市动态30指数收于1430点,较上期上涨1.1%,同期上证指数上涨1.1%,创业板指数上涨4.22%。成分股中,航发动力、比亚迪和中信证券等个股涨幅靠前,淮北矿业、中国外运和宝钛股份等涨幅靠后。个股点评:比亚迪(002594):从最新的2024年上半年各大品牌销量榜单来看,中国新能源汽车表现出色,比亚迪稳稳占据第一的位置,在强大的核心技术储备下,比亚迪的产品赢得了海内外的认可,其家族技术中的刀片电池技术、DM-i/DM-p超级混动技术、八合一电驱总成技术、CTB电池车身一体化技术、e平台3.0技术、IGBT技术、e四方技术,云辇系统等,都显示了公司强大的技术储备。

基于机器学习算法的服装直播销量预测模型

为了完善直播销量预测的指标体系,提高直播销量预测的准确率,本文对比多种机器学习算法,分析服装直播销量的影响因素并预测服装直播销量。首先,通过文献分析选取直播销量的影响因素,并使用Spearman相关系数结合显著性进行筛选。其次,通过不同机器学习算法建立服装销量预测模型。选用R 2、MAE、RMSE及MAPE为评价指标,采用5折交叉验证的方法,测试各模型性能。研究结果表明:主播粉丝数、主播近30天场均观看人次、主播近30天场均坑产、产品价格、产品讲解时长、产品近30天历史销量、品牌粉丝数、品牌近30天历史销量、折扣这9个因素之间共线性较弱且与直播销量之间的相关性显著,可作为预测模型中的影响因素;预测算法中K近邻算法和随机森林算法的表现较好,R 2均大于0.98,MAPE均在30.5%以内。预测结果可帮助零售商规划库存,调整生产计划,为产品采购、定价、推广提供数据支持。

基于VMD-CNN-GRU-LSTM组合模型的汽车销量预测分析

针对汽车销量时间序列数据的季节性、非线性性、非平稳性等复杂特征,提出一种融合变分模态分解(Variational Mode Decomposition,VMD)的卷积神经网络(Convolutional Neural Network,CNN)、门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆(Long Short-Term Memory,LSTM)神经网络组合的汽车销量预测方法,通过VMD将汽车销量时序数据进行分解,利用CNN提取关键特征,并通过GRU与LSTM捕捉汽车时序数据的时间依赖关系.实验表明该方法有较好的预测性能.

全球烈酒销量将超越葡萄酒

本刊讯:根据世界烈酒联盟的一份报告,随着消费者饮酒偏好的转变,伏特加和威士忌等烈酒的销量将超过葡萄酒。该报告援引牛津经济研究院(Oxford Economics)和酒类市场研究公司IWSR的数据称,2022年售出26.7亿箱烈酒,几乎与当年售出的28亿箱葡萄酒一样多。报告称,如果这两个类别的当前趋势继续下去,烈酒的数量将很快超过葡萄酒。