基于PCA-GRNN模型的新能源汽車月度銷售量預測研究

謝萍萍

( 黎明職業大學 智能制造工程學院, 福建 泉州 362000 )

0 引言

近年來隨著石油能源危機和生態環境壓力的進一步加大,新能源汽車已逐步代替傳統汽車,并呈快速發展趨勢,如2019年我國新能源車的銷售量為120.6萬輛,2020年為136.7萬輛,2021年為352.1萬輛.目前,預測銷售量通常采用時間序列模型[1]、回歸分析模型[2]、灰色模型[3]等方法,但時間序列模型和回歸分析模型對解決多元非線性問題具有局限性,而灰色神經網絡則存在易陷入局部極小和收斂速度慢等問題.研究顯示,組合模型可以更好地挖掘數據的內部特征,提高預測的精度.例如:O.Kitapc等[4]利用多元回歸和神經網絡分析法對土耳其的汽車銷售量進行了預測;周彥福等[5]利用果蠅算法優化灰色神經網絡模型后對新能源汽車的月度銷售量進行了預測.廣義回歸神經網絡(general regression neural network,GRNN)是一種建立在數理統計基礎上的徑向基函數網絡,由于它能夠較好地解決非線性問題以及提高少量數據或者數據不穩定時的預測效果,因而受到學者們的關注[6].目前,使用GRNN預測銷售量的相關研究較少.梁達強[7]和王紅衛等[8]利用GRNN分別對木漿和燈具的銷售量進行了預測,但其研究均將所選的影響因子直接作為預測模型的輸入變量(未對影響因子進行降維),因此其計算速度和預測精度存在不足.為此,本文將主成分分析(principal component analysis,PCA)方法與GRNN方法相結合,提出了一種PCA-GRNN預測模型,并對我國新能源汽車的月度銷售量進行了預測.

1 相關理論介紹

1.1 主……

登錄APP查看全文

猜你喜歡

新能源汽車模型

一半模型

童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38

重尾非線性自回歸模型自加權M-估計的漸近分布

數學物理學報(2020年2期)2020-06-02 11:29:24

3D打印中的模型分割與打包

光學精密工程(2016年6期)2016-11-07 09:07:19

買不買新能源汽車

瞭望東方周刊(2016年40期)2016-11-02 18:30:31

汽車們的喜怒哀樂

作文大王·低年級(2016年4期)2016-04-18 00:24:37

“新能源門”的背后

風能(2015年4期)2015-02-27 10:14:36

順應新能源發展趨勢

風能(2015年4期)2015-02-27 10:14:34

3D 打印汽車等

決策探索(2014年21期)2014-11-25 12:29:50

貌似冰雪的新能源

少年科學(2006年1期)2006-02-07 09:36:48