基于百度指数和BP神经网络的汽车销量预测模型研究

摘要

企业的战略决策应以市场需求为依据，最能真实反映市场需求的指标之一是产品销量，因此对汽车销量做出及时准确的预测对于企业未来发展规划具有重要的指导意义。当前中国汽车市场竞争激烈，各大汽车制造商纷纷投入大量资金和技术抢占市场份额，不断地在市场上推出新的车型，这一方面可为消费者带来更加丰富的购买选择，另一方面也使得汽车企业的销量预测变得更加困难。在互联网快速发展的背景下，消费者获取信息的途径和习惯发生改变，人们的决策行为越来越多地在网上得以体现，利用实时网络数据进行销量预测为企业提供了一个新的研究视角。 本文首先建立了消费者网络信息搜索与产品销量相关性的理论框架；之后，以国内汽车消费者利用百度搜索引擎搜索信息和购买决策过程中留下的搜索数据为基础，构建并筛选与汽车销量相关性高且具有时差领先性的搜索关键词库，建立了基于BP神经网络的品牌汽车月销量预测模型；在此基础上，以具体车型为例，对某车型汽车的月销量提前了一个月进行预测；最后，将本文预测结果和传统的ARIMA和多元线性回归模型预测结果与真实的市场销量情况进行对比，对比结果显示，本文提出的模型预测误差更小。此外，在本文模型的基础上进行基于主成分的改进，进一步提高了模型的泛化能力和预测精度。 本文提出的基于百度指数和BP神经网络的汽车销量预测模型，是基于实时的百度指数数据，并与传统的神经网络预测方法相结合，对汽车销量进行预测的一种新的方法。本文模型的预测对象是某款具体车型，预测更加细化并且具有较好的拟合效果和预测精度。可以为汽车企业产品销量预测提供一种新的思路，也可为其他行业参考应用。

目录

声明

第1章 引言

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 传统需求预测方法的研究进展

1.2.2 基于网络搜索数据的研究进展

1.2.3 基于百度指数的预测的研究进展

1.2.4 汽车行业需求预测的研究进展

1.2.5 总体评述

1.3 研究内容与研究方法

1.3.1 研究内容

1.3.2 研究方法和技术路线

第2章 模型的理论基础

2.1 消费者网络信息搜索模型理论框架

2.1.1 消费者购买决策理论

2.1.2 基于网络搜索的消费者购买决策

2.1.3 模型理论框架

2.2 BP神经网络

2.2.1 BP神经网络概述

2.2.2 BP神经网络的特点

2.3 百度指数简介

2.4 本章小结

第3章 基于百度指数的变量数据选取与模型结构确定

3.1 基于百度指数的变量数据选取

3.1.1 初始关键词确定

3.1.2 关键词筛选及最终确定

3.2 BP神经网络模型设计

（1）确定网络层数

（2）确定输入层节点数

（3）网络数据预处理方法

（4）确定输出层节点数

（5）确定隐含层节点数

（6）选取传递函数

（7）选取训练方法及其参数

（8）期望误差的选取

3.3 本章小结

第4章 实证应用——基于本文模型的朗逸车型销量预测

4.1 样本数据选取及预处理

4.2 关键词的选取

4.3 模型结构和预测结果分析

4.4 基于主成分分析的改进

4.5 本章小结

第5章 实证应用讨论

5.1 对比模型确定

5.1.1 时间序列预测模型

5.1.2 多元线性回归预测模型

5.2 模型预测效果比较

5.3 本章小结

第6章 结论

6.1 研究结论

6.2 研究展望

致谢

参考文献

攻读学位期间获得与学位论文相关的科研成果