發(fā)布時(shí)間：2021-03-19 12:44

　　新能源汽車(chē)產(chǎn)業(yè)已經(jīng)被視為中國(guó)汽車(chē)產(chǎn)業(yè)轉(zhuǎn)型和環(huán)境污染控制的第一產(chǎn)業(yè)。根據(jù)新能源汽車(chē)在中國(guó)銷(xiāo)量的周期性波動(dòng)特征,我們通過(guò)不同時(shí)間維度分析其變化規(guī)律,對(duì)新能源汽車(chē)的銷(xiāo)量進(jìn)行長(zhǎng)期和短期預(yù)測(cè),即從季度和月度兩個(gè)時(shí)間周期分別討論銷(xiāo)量變化趨勢(shì)。在對(duì)比模型之間的預(yù)測(cè)精確度的同時(shí)也可以更好地把控新能源汽車(chē)的市場(chǎng)及基礎(chǔ)設(shè)施建設(shè)。我們收集了2014至2019年6年24個(gè)季度72個(gè)月的原始數(shù)據(jù)樣本,利用自回歸滑動(dòng)平均模型（Autoregressive and Moving Average Model,ARMA）對(duì)季度數(shù)據(jù)進(jìn)行擬合和分析,并且考慮到原時(shí)間序列的周期性,我們將ARMA模型改進(jìn)為季節(jié)性自回歸滑動(dòng)平均模型（Seasonal Autoregressive and Moving Average Model,SARMA）對(duì)月度銷(xiāo)量的增長(zhǎng)趨勢(shì)進(jìn)行了研究。在這里我們也提出兩種新的模型,從而更好更精準(zhǔn)地對(duì)國(guó)內(nèi)的新能源汽車(chē)市場(chǎng)進(jìn)行分析和調(diào)控。在長(zhǎng)期預(yù)測(cè)方面,我們提出了基于數(shù)據(jù)分組方法（Data Grouping Approach,DGA）的灰色預(yù)測(cè)模型（Grey Forecasting Model,GM）來(lái)體現(xiàn)銷(xiāo)量... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：36 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原始數(shù)據(jù)折線圖

多步預(yù)測(cè)結(jié)果

第3章實(shí)證分析圖3.2多步預(yù)測(cè)結(jié)果同時(shí)可以看到擬合數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)的對(duì)比結(jié)果分別如圖3.3，3.4所示。圖3.3擬合數(shù)據(jù)對(duì)比圖圖3.4預(yù)測(cè)數(shù)據(jù)對(duì)比圖根據(jù)我們以上得到的擬合和預(yù)測(cè)結(jié)果，不難看出，SARMA模型應(yīng)用在我們針對(duì)新能源汽車(chē)銷(xiāo)量的趨勢(shì)研究的問(wèn)題上誤差較大。針對(duì)短期月度預(yù)測(cè)，SARMA得出殘差的自相關(guān)性不夠弱，且用此模型預(yù)測(cè)得到的預(yù)測(cè)值與真實(shí)值比較時(shí)準(zhǔn)確率較差。我認(rèn)為原因如下：一是樣本量偏小；二是月度銷(xiāo)量受到外界因素的影響，波動(dòng)較為明顯，從而導(dǎo)致我們的擬合效果大大降低。隨著國(guó)家相關(guān)政策的出臺(tái)，經(jīng)濟(jì)市場(chǎng)對(duì)整個(gè)汽車(chē)行業(yè)的作用，以及其他許多方面對(duì)新能源汽車(chē)市場(chǎng)的影響，都會(huì)使新能源汽車(chē)的月銷(xiāo)量有著不平穩(wěn)的變化趨勢(shì)。因此我們?cè)谶x取短期預(yù)測(cè)的模型時(shí)要考慮到這些外界因素對(duì)時(shí)間序列的作用，從而更準(zhǔn)確地?cái)M合和預(yù)測(cè)月銷(xiāo)量。3.2基于SSA模型的短期月度預(yù)測(cè)在我們將SSA模型應(yīng)用于實(shí)際的過(guò)程中，使用MATLAB軟件，已知2014年1月至2019年6月的新能源汽車(chē)月度銷(xiāo)量，帶入SSA模型，將其作為原始數(shù)據(jù)YN，選取窗口長(zhǎng)度K=15，利用矩陣變換計(jì)算出其軌跡矩12

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)新能源汽車(chē)月度銷(xiāo)售量預(yù)測(cè)模型研究[J]. 周彥福,王紅蕾.  軟件導(dǎo)刊. 2019(08)
[2]ARIMA模型在汽車(chē)銷(xiāo)量預(yù)測(cè)中的應(yīng)用及SAS實(shí)現(xiàn)[J]. 胡彥君.  河北企業(yè). 2012(04)
[3]基于奇異譜分析的匯率預(yù)測(cè)研究[J]. 張一,惠曉峰.  統(tǒng)計(jì)與決策. 2012(06)



本文編號(hào)：3089588