学位论文 > 优秀研究生学位论文题录展示

基于ANFIS的区域汽车市场销售量预测研究

作　者: 张凯铭
导　师: 孙宝凤
学　校: 吉林大学
专　业: 物流工程
关键词: 销售量预测 ANFIS模型 ARIMA模型时间序列分解预测模型
分类号: F274;F426.471
类　型: 硕士论文
年　份: 2011年
下　载: 155次
引　用: 0次
阅　读: 论文下载

内容摘要

汽车产业是我国制造业中重要产业之一,与其他产业关联程度很高,可以带动相关产业的升级。加入世界贸易组织后,我国汽车工业面临着前所未有的挑战,市场的竞争日益激烈,把握市场动态和趋势,成为汽车制造企业获得竞争优势的关键环节之一。销售量预测是汽车制造企业生产、物流、营销等部门进行生产计划与控制的数据基础,提高销售量预测质量对汽车制造企业具有重要现实意义。论文针对现有预测方法并未考虑汽车销售预测流程的特点、区域市场及其车辆款型的分布,对汽车制造企业制定生产计划缺乏指导意义；现有预测方法并未考虑影响因素变化和选择对销售量预测质量的影响,预测效果可信度令人质疑等问题,尝试研究一种适用于区域汽车市场特征、具有完整逻辑性及整合性的、新的预测方法,即以弥补以往预测方法的上述不足。论文将回归分析方法与模糊神经网络理论相结合,提出基于自适应模糊神经推理系统(ANFIS)的区域汽车市场销售量预测模型。该模型在充分甄别汽车销售量影响因素的前提下,针对区域市场和车型特点,建立了一个包含五类14个影响因素的销售量预测模型,诸如GDP、CPI、油价、汽车交易价格、销售线索和广告投入等。在把上述因素量化的基础上,通过主成分分析和偏最小二乘回归方法提取出对区域汽车市场影响较大的若干因素,作为ANFIS的输入变量,建立基于ANFIS的区域市场汽车销售量预测模型,通过模糊神经网络的识别、分析和运算,获得销售量最终预测值。最后,结合实例,论文将基于ANFIS的预测模型与差分自回归移动平均模型(ARIMA)和时间序列分解模型进行预测效果比较分析,以平均绝对误差百分比(MAPE)作为预测结果准确性的评估指标。结果表明,考虑了影响因素变化和选择的ANFIS预测模型比另外两个模型的预测精度高,特别在油价上涨、税费改革等新的市场环境特征下具有更好的拟合效果。该预测方法对有针对性地改进现有的汽车制造企业的销售预测流程和制定适应区域市场特征的销售策略提供了参考依据。

全文目录

摘要  4-5
Abstract  5-10
第1章绪论  10-18
  1.1 研究背景与意义  10-11
  1.2 国内外同类研究综述  11-15
    1.2.1 销售预测技术研究综述  11-12
    1.2.2 汽车销售量预测研究综述  12-13
    1.2.3 ANFIS模型应用研究综述  13-15
  1.3 研究内容和研究思路  15-18
    1.3.1 研究内容  15-16
    1.3.2 研究思路  16-18
第2章销售预测基础理论与方法  18-32
  2.1 销售预测方法  18-24
    2.1.1 定性预测方法  18-19
    2.1.2 定量预测方法  19-20
    2.1.3 预测方法选择  20-21
    2.1.4 预测方法总结  21-24
  2.2 销售线索及其作用  24-27
    2.2.1 销售线索的定义和作用  24-25
    2.2.2 销售线索的来源  25-26
    2.2.3 销售线索与销售量的关系  26-27
  2.3 模糊神经网络理论  27-30
    2.3.1 基本概念  27
    2.3.2 模型结构  27-29
    2.3.3 与神经网络异同点  29-30
  2.4 本章小结  30-32
第3章当前汽车销售预测流程及影响因素  32-42
  3.1 当前整车厂的汽车销售预测  32-35
    3.1.1 预测过程  32-33
    3.1.2 数据基础  33
    3.1.3 预测结果的使用  33-34
    3.1.4 预测方法的运用  34-35
  3.2 汽车销售预测影响因素分析  35-37
    3.2.1 国内生产总值  35
    3.2.2 居民收入  35-36
    3.2.3 价格  36
    3.2.4 消费者心理  36
    3.2.5 消费环境  36-37
  3.3 汽车销售量预测模型  37-40
    3.3.1 时间序列分解模型(Time-series Decomposition)  37-39
    3.3.2 差分自回归移动平均模型(ARIMA)  39-40
  3.4 本章小结  40-42
第4章基于ANFIS的汽车销售量预测模型  42-54
  4.1 预测模型概述  42
  4.2 变量选择  42-46
    4.2.1 输入变量说明  42-44
    4.2.2 输入变量的数学表达  44-46
  4.3 模型构建  46-51
    4.3.1 预测变量的选择  46-48
    4.3.2 ANFIS预测  48-51
  4.4 评估标准  51-52
  4.5 本章小结  52-54
第5章基于ANFIS的汽车销售量预测模型应用分析  54-84
  5.1 基础数据  54-55
  5.2 ANFIS预测方法及其预测结果  55-68
    5.2.1 变量及数据的选取  55-60
    5.2.2 宏观经济因素的主成份分析  60
    5.2.3 汽车销售量的偏最小二乘回归分析  60-64
    5.2.4 ANFIS预测汽车销售量  64-66
    5.2.5 预测结果  66-68
  5.3 ARIMA预测法及其预测结果  68-76
    5.3.1 数据相关性分析  68-69
    5.3.2 相关性验证  69-72
    5.3.3 模型参数的确定  72-75
    5.3.4 预测结果  75-76
  5.4 时间序列分解预测法及其预测结果  76-81
    5.4.1 数据分析  76-77
    5.4.2 时间序列分解  77-80
    5.4.3 预测结果  80-81
  5.5 三种预测模型预测精度比较  81-82
  5.6 本章小结  82-84
第6章总结与展望  84-86
  6.1 论文总结  84-85
  6.2 研究展望  85-86
参考文献  86-89
附录  89-93
导师及作者简介  93-94
后记和致谢  94

基于ANFIS的区域汽车市场销售量预测研究

内容摘要

全文目录

相似论文