汽车销售混合预测方法研究.pdfVIP

维普资讯 2006年5月 天 津 大 学 学 报 (社 会 科 学 版) 第8卷第3期 May2006 JOURNALOFTIANJINUNIVERSITY (SOCIALSCIENCES) V01．8 No．3 汽车销售混合预测方法研究 李 响 ，‘宗 群2，童 玲 (1．天津大学管理学院，天津 300072；2．天津大学 自动化学院，天津300072) 摘 要：市场分析和预测已成为企业重要的决策依据和手段。就汽车销量17题提出了一种ARMA模型与RBF神 经网络相结合的混合预测方法。采用ARMA模型对汽车销量趋势进行初步线性预测，利用RBF神经网络对线性 预测的残差建模，得到非线性预测，两部分预测输 出和为总的预测值。该方法既体现了销售量数据间的线性关系， 又揭示了数据内部的非线性特征，克服了单一方法的局限性，提高了预测精度。仿真结构分析表明，该方法预测效 果最佳。 关键词：混合预测；ARMA模型；RBF神经网络；汽车销售预测 中图分类号：F／13．3 文献标志码：A 文章编号：1008—4339(2006)03—0175·04 在市场经济不断发展，竞争 日趋激烈的今天，各 好的优势，解决销量数据中非线性部分预测问题。 大企业为了使其经济活动达到预期的目的，都需要 通过分析历史数据 ，对某些经济变量进行预测，从而 一 、 汽车销售量混合预测模型基本原理 有利于制定今后的营销战略和生产计划。目前，我 国汽车工业正处在成长阶段，新技术和新政策的大 (一)汽车销量时间序列分析 力支持以及人们生活水平的不断提高使得汽车市场 汽车销售量是指单位时间内售出汽车数量随时 容量不断扩大，销量不断上升，因而准确的销量预测 间随机分布的时间序列，由于汽车销售活动是一个 则成为汽车市场竞争中至关重要的环节。 由人参与的、时变的、复杂的体系，它的显著特点之 目前，在汽车销售领域中所选用的传统的预测 方法都是以时间序列预测为核心，如线性回归法、指 一 就是具有高度的不确定性，往往很难确定该系统 数平滑法、季节预测法等。线性 回归法 (如 AR、 是严格的线性系统还是严格的非线性系统。基于这 MA、ARMA模型等)仅仅能体现销售数据随时间的 种情况，则认为汽车销量时间序列由线性和非线性 直线形上升或下降趋势，只用作一般性的趋势观察 两部分混合组成 ，对于线性部分采用被证明处理线 来使用，预测结果误差较大。指数平滑法代表性地 性系统有明显优势的ARMA模型 ¨进行拟合，对于 反映了销售情况的长期趋势，适合长期预测且误差 非线性部分则采用被广泛应用且证明有良好 自适应 较小，但短期预测效果并不理想。季节预测方法有 性的神经网络进行预测问题描述 J。 效地反映了汽车销售随季节波动的特点，有一定的 假设汽车销量数据的数学描述为 可靠性，但不能反映其他非线性因素带来的影响，预 X=Xk+XNz (1) 测效果欠佳。出于以上考虑，本文提出了一种基于 式中： 为t一1到 t这段时间内所售出的汽车数 ARMA模型和RBF神经网络相结合的汽车销售量 混合预测方法。认定销量数据对应的时间序列是由 量；。为销量数据中线性部分； 为销量数据中非 线性元和非线性元两部分组成的，因此该方法采用 线性部分。 ARMA模型实现销量数据中线性部分的预测模型拟 利用ARMA模型来构建