一种基于小波分析和ARIMA-LSTM的汽车销量预测方法

摘要

本发明公开了一种基于小波分析和ARIMA‑LSTM的汽车销量预测方法，包括如下步骤：对已知的汽车销售量的时序数据进行数据预处理；对所述时序数据进行多次小波分解；对分解得到的各分量的序列进行平稳性检验，不平稳则进行差分处理，直到数据序列变成平稳数据序列；对经过平稳处理后的各分量的序列分别进行ARIMA训练并预测；将ARIMA训练过的数据进行小波重构；计算拟合值与真实值的残差；使用残差来训练LSTM网络；利用LSTM网络预测的残差对ARIMA模型的预测结果进行修正，实现最终预测。本发明结合时间序列分析和深度学习网络建立了新型预测模型，能够利用中小规模的历史汽车销售数据集实现对销售数据的准确预测，从而为汽车厂商提供数据支持。