基于时间序列分析的新能源汽车销量预测研究  

作　　者：汪斯凯 刘吉华[1] 

机构地区：[1]湖北大学商学院,湖北武汉430062

出　　处：《统计与管理》2022年第7期88-97,共10页Statistics and Management

摘　　要：在企业的整个生产和运作中,库存管理是尤为重要的一环,决策者对市场的把控和消费者需求的精准预测对于库存的积压和生产资源的合理分配起着决定性的作用,良好的模型能为决策者提供较为精确的预测,也能对未来的发展提供准确的预警。本文采用LSTM(长短期循环神经网络)和SARIMA(Seasonal Autoregressive Integrated Moving Average)对纯电新能源汽车的历史销售数据进行建模,实现对纯电新能源汽车销量时间序列的预测。考虑到部分新能源汽车型上市时间段,销量数据较少,本文提出了基于迁移学习方法的预测模型,该模型可以实现对大部分纯电新能源汽车销量的高精度预测,精度达到74%。

关 键 词：LSTM模型 SARIMA模型 销量预测 新能源汽车 迁移学习 

分 类 号：F272.1[经济管理—企业管理]