基于汽车价值链业务协同资源的整车需求量预测模型

摘要

针对汽车市场竞争不断加剧的现状,制定准确的整车需求量对制造厂的销售计划具有重要参考意义。本文提出了一种基于Prophet和LSTM(长短期记忆网络)模型相结合的组合预测模型(Prophet-LSTM)。为验证模型的可行性,对汽车价值链业务协同过程中产生的整车销售时序数据资源进行了提取,首先利用Prophet模型对原始数据集进行特征提取,然后将特征放入到LSTM模型中进行多步时间序列预测,最后将两个模型的预测值进行加权融合得到最终的预测值。与单一模型进行实验对比,结果表明,Prophet-LSTM组合模型较单一模型具有更高的预测精度。