基于灰色关联分析我国汽车产销总量预测.docVIP

基于灰色关联分析我国汽车产销总量预测.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于灰色关联分析我国汽车产销总量预测

基于灰色关联分析我国汽车产销总量预测   摘要:对汽车物流企业而言,汽车消费市场的变化对企业的影响是极为巨大的。如今我国经济不断发展,汽车消费群体也在逐年发生变化,汽车消费市场的变化直接影响到汽车生产企业的订单和产量,而汽车生产企业的产量,则密切影响着为其提供物流配送服务的汽车物流企业。因此,对我国的汽车市场走向进行研究分析,可以根据预测得出的数据对汽车物流企业未来的发展进行宏观规划并制定合理的目标,具有一定的现实指导意义。   关键词:灰色关联分析 汽车产销量预测      1 灰色关联分析的原理及方法简述      影响我国汽车总产销量的因素有很多,如我国国民生产总值、第一第二产业的GDP值、固定资产投资总额、高速公路里程、公路货运周转量、钢铁、煤矿产量等因素。将汽车产销看成一个抽象的系统,这些因素共同作用的结果则决定了这一系统的发展态势。因此需要对影响系统的众多因素进行分析,比较各种因素对系统影响程度,判断出主要因素及次要因素。   传统的分析方法有回归分析、方差分析等数理统计方法,但这些方法存在着以下的局限:   ①要求有大量数据 若数据量少则难以找出统计规律。   ②要求样本服从某个典型的概率分布 并要求各因素数据与系统数据之间呈线性关系且各因素之间彼此无关。   ③计算量大 一般需要计算机进行辅助。   而灰色关联分析的方法则在一定程度上克服了数理统计方法的局限。无论样本量多少、样本有无规律,这一方法都同样适用。并且这一方法计算量小,计算简单,一般不会不出现量化结果与定性分析结果不符的歪曲颠倒现象。灰色关联分析的基本思想是根据数据序列曲线的几何形状的相似程度来判断其联系是否紧密。若曲线越接近,相应序列之间的关联度就越大,反之则越小。   对一个抽象系统或现象进行分析,首先,需要选择反应系统行为特征的数据序列,即系统行为的映射量。用映射量来间接的表征系统行为。在本章所分析的汽车产销系统中,用汽车的总产量和总销量来表征系统行为。之后将特征映射量和各有效因素序列处理成无量纲数据,再然后即可利用灰色关联公理对系统进行分析[1]。   选用不同的关联算子与计算方法,可以通过计算系统各影响因素之间的灰色关联度来对系统进行分析。   1.1 灰色绝对关联度 若系统特征序列为   为Yi与Xi的灰色综合关联矩阵。   2 灰色关联分析的应用   下表1为1998-2008年汽车产销系统中系统行为数据序列以及各相关影响因素数据序列。其中,将表征系统行为的汽车总产量标记为Y1,汽车总销量标记为Y2。将影响系统的因素国民生产总值GDP、国内固定资产投资总额、第一产业产值、第二产业产值、公路货运周转量、钢产量依次标记为X1,X2,X3,X4,X5,X6。   (*数据根据中国统计年鉴及中国汽车工业协会统计信息网数据收集整理)   即国内固定资产投资总额、钢产量、第二产业产值及GDP对汽车产销总量的影响较大。在这些因素中,国内固定资产投资总额、第二产业产值及GDP代表着我国的经济形势、市场环境及政策氛围,钢产量则代表着原材料对生产的影响程度。根据分析,在接下来的预测模型中,将使用这几个因素特征序列,来帮助实现对系统行为特征序列的预测。   3 基于RBF神经网络的汽车产销总量预测模型   3.1 建模思路 RBF网络按照输入结构的不同,可分为关联预测和时域预测,以及结合了二者的延拓预测。若预测模型中某年的预测值为Ym,F为从输入到输出的非线性映射,对Ym有:      其中左边的X矩阵由n维互相独立的相关因素组成,右边的Y矩阵为预测目标之前连续c年的同期数据。若单独使用X矩阵则为关联预测,若单独使用Y矩阵则为时域预测。关联预测的实质是通过找到影响预测目标的关联因素,然后建立网络对这些因素进行横向预测;时域预测的实质是建立网络对目标自身发展规律进行拟合的纵向预测。本文的预测对象为影响因素众多的抽象系统行为,因此选择结合关联预测和时域预测的延拓预测方法。建立模型的步骤如下:   首先,需要确定RBF延拓预测网络的输入和输出。输入层数据由两部分组成,一部分是由关联因素序列组成的X矩阵,另一部分是预测目标过去连续c年的记录Y矩阵。输出层为预测目标之前c年的数据序列。将样本空间的输入输出数据进行无量纲处理,即可得到网络的输入层及输出层。之后,将样本数据分为两部分,前一部分对网络进行拟合训练,后一部分用于检验训练好的网络,计算预测误差并根据上一章中提出的参数寻优方法调整网络结构以得到最优网络。最后,利用最优网络模型进行预测。   3.2 预测实例 根据上一小节对汽车产销系统的灰色关联分析,选择对系统影响较大的GDP、国内固定资产投资总额、第二产业产值、及钢产量作为网络的关联因素输入,并依次标记为X1,

文档评论(0)

3471161553 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档