新能源汽車(chē)因其在節(jié)能、環(huán)保方面所具有的優(yōu)勢(shì),以及國(guó)家優(yōu)惠政策的支持,吸引著越來(lái)越多的消費(fèi)者,成為購(gòu)車(chē)時(shí)的一種重要選擇。企業(yè)瞄準(zhǔn)需求快速增長(zhǎng)的新能源汽車(chē)市場(chǎng),紛紛加大新能源汽車(chē)的生產(chǎn)力度。然而新能源汽車(chē)市場(chǎng)的快速擴(kuò)張導(dǎo)致了嚴(yán)重的產(chǎn)銷(xiāo)不平衡問(wèn)題,造成企業(yè)利益的損失。企業(yè)如何對(duì)新能源汽車(chē)的銷(xiāo)量進(jìn)行及時(shí)且準(zhǔn)確的預(yù)測(cè),制定科學(xué)合理的生產(chǎn)計(jì)劃成為亟需解決的問(wèn)題。研究表明,在互聯(lián)網(wǎng)時(shí)代,消費(fèi)者在做出購(gòu)物決策前,越來(lái)越依賴(lài)于搜索引擎和社交媒體獲取商品的相關(guān)信息,尤其是汽車(chē)這樣的高價(jià)值商品,關(guān)鍵詞網(wǎng)絡(luò)搜索量在一定程度上能夠反映出消費(fèi)者的需求變化。對(duì)消費(fèi)者留下的網(wǎng)絡(luò)痕跡數(shù)據(jù)進(jìn)行挖掘,為研究新能源汽車(chē)銷(xiāo)量預(yù)測(cè)提供了新思路。本文基于數(shù)據(jù)挖掘的思想,探究信息時(shí)代下,新能源汽車(chē)歷史銷(xiāo)量數(shù)據(jù)、關(guān)鍵詞網(wǎng)絡(luò)搜索數(shù)據(jù)與銷(xiāo)量預(yù)測(cè)之間的關(guān)系,構(gòu)建模型對(duì)新能源汽車(chē)銷(xiāo)量進(jìn)行預(yù)測(cè)。首先從中汽協(xié)網(wǎng)站上收集整理了2014年1月——2021年12月國(guó)內(nèi)新能源汽車(chē)歷史銷(xiāo)量數(shù)據(jù);利用國(guó)內(nèi)搜索引擎滲透率排名第一的百度搜索引擎,進(jìn)行同時(shí)間范圍關(guān)鍵詞百度指數(shù)數(shù)據(jù)的收集整理;通過(guò)對(duì)新能源汽車(chē)歷史銷(xiāo)量數(shù)據(jù)和百度指數(shù)數(shù)據(jù)進(jìn)行相關(guān)性分析和時(shí)差相關(guān)性分析,...

【文章頁(yè)數(shù)】：118 頁(yè)

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 銷(xiāo)量預(yù)測(cè)研究
        1.3.2 汽車(chē)銷(xiāo)量預(yù)測(cè)研究
    1.4 論文主要研究?jī)?nèi)容、技術(shù)路線和組織結(jié)構(gòu)
        1.4.1 本文主要研究?jī)?nèi)容
        1.4.2 技術(shù)路線和論文組織結(jié)構(gòu)
第二章 相關(guān)理論和方法介紹
    2.1 消費(fèi)者行為理論
    2.2 時(shí)間序列模型理論
        2.2.1 平穩(wěn)時(shí)間序列模型
        2.2.2 向量自回歸模型
    2.3 LSTM神經(jīng)網(wǎng)絡(luò)
        2.3.1 LSTM神經(jīng)網(wǎng)絡(luò)原理
        2.3.2 Tensor Flow框架
    2.4 組合模型相關(guān)理論
    2.5 本章小結(jié)
第三章 數(shù)據(jù)獲取和預(yù)處理
    3.1 新能源汽車(chē)歷史銷(xiāo)量數(shù)據(jù)的獲取
    3.2 關(guān)鍵詞搜索數(shù)據(jù)的獲取
        3.2.1 搜索關(guān)鍵詞的確定
        3.2.2 百度指數(shù)數(shù)據(jù)的獲取
    3.3 搜索關(guān)鍵詞的篩選
        3.3.1 關(guān)鍵詞百度指數(shù)數(shù)據(jù)與新能源汽車(chē)銷(xiāo)量的相關(guān)性分析
        3.3.2 關(guān)鍵詞百度指數(shù)數(shù)據(jù)與新能源汽車(chē)銷(xiāo)量的時(shí)差相關(guān)性分析
    3.4 數(shù)據(jù)平穩(wěn)性檢驗(yàn)
        3.4.1 關(guān)鍵詞百度指數(shù)數(shù)據(jù)的平穩(wěn)性檢驗(yàn)
        3.4.2 新能源汽車(chē)銷(xiāo)量數(shù)據(jù)的平穩(wěn)性檢驗(yàn)
    3.5 本章小結(jié)
第四章 基于時(shí)間序列模型的新能源汽車(chē)銷(xiāo)量預(yù)測(cè)
    4.1 預(yù)測(cè)指標(biāo)
    4.2 ARIMA預(yù)測(cè)模型
        4.2.1 銷(xiāo)量數(shù)據(jù)的季節(jié)調(diào)整
        4.2.2 ARIMA模型的建立
        4.2.3 基于ARIMA模型的新能源汽車(chē)銷(xiāo)量預(yù)測(cè)
    4.3 VAR預(yù)測(cè)模型
        4.3.1 變量確定
        4.3.2 數(shù)據(jù)平穩(wěn)性檢驗(yàn)
        4.3.3 VAR模型的建立
        4.3.4 基于VAR模型的新能源汽車(chē)銷(xiāo)量預(yù)測(cè)
    4.4 本章小結(jié)
第五章 基于LSTM神經(jīng)網(wǎng)絡(luò)的新能源汽車(chē)銷(xiāo)量預(yù)測(cè)
    5.1 LSTM模型的構(gòu)建
        5.1.1 輸入數(shù)據(jù)介紹
        5.1.2 建模流程
    5.2 單特征LSTM銷(xiāo)量預(yù)測(cè)模型
    5.3 多特征LSTM銷(xiāo)量預(yù)測(cè)模型
    5.4 改進(jìn)的銷(xiāo)量預(yù)測(cè)模型
    5.5 模型對(duì)比
    5.6 本章小結(jié)
第六章 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 研究展望
致謝
參考文獻(xiàn)
附件 A 代碼
附錄 B 攻讀碩士期間科研成果
    附錄 B1 攻讀碩士期間發(fā)表的學(xué)術(shù)論文
    附錄 B2 攻讀碩士期間發(fā)表的軟件著作和專(zhuān)利



本文編號(hào)：3768682