一種汽車銷售預(yù)測模型的建立

畢業(yè)設(shè)計(jì)說明書學(xué)院：車輛工程學(xué)院專業(yè)：車輛工程學(xué)生姓名：張三峰學(xué)號(hào)：0810210215指導(dǎo)教師：趙偉才2012年6月摘要在一個(gè)國家的經(jīng)濟(jì)發(fā)展中，汽車產(chǎn)業(yè)占據(jù)重要地位。發(fā)展汽車產(chǎn)業(yè)可以帶動(dòng)鋼鐵，冶金，化工，能源等諸多國民經(jīng)濟(jì)重要產(chǎn)業(yè)。比如美國之所以能在二十世紀(jì)，二十一世紀(jì)稱雄世界與該國政府努力發(fā)展汽車工業(yè)不無關(guān)系。在當(dāng)今中國，經(jīng)濟(jì)突飛猛進(jìn)。而要發(fā)展中國經(jīng)濟(jì)，就尤其需要發(fā)展汽車產(chǎn)業(yè)。自改革開發(fā)以來的三十多年中，隨著居民購買力不斷增長，汽車產(chǎn)業(yè)規(guī)模不斷擴(kuò)大。汽車市場競爭日趨激烈。而如何在激烈的市場競爭中站穩(wěn)腳跟，銷量預(yù)測成為關(guān)鍵。經(jīng)銷商從大量的汽車銷售歷史數(shù)據(jù)中，找到隱藏的汽車銷售預(yù)測信息，可以在競爭中占據(jù)主動(dòng)。汽車生產(chǎn)廠家掌握了汽車銷售預(yù)測信息，可以合理選擇生產(chǎn)量，研究開發(fā)新車型，挖掘市場潛力，也減少了不必要的生產(chǎn)投資。特別是現(xiàn)在中國汽車市場供過于求，產(chǎn)能過?，F(xiàn)象嚴(yán)重，惡性市場競爭嚴(yán)重。汽車銷售預(yù)測模型有單一預(yù)測模型和組合預(yù)測模型。建立單一預(yù)測模型有移動(dòng)平均預(yù)測模型，指數(shù)平滑預(yù)測模型和回歸分析預(yù)測模型。組合預(yù)測模型就是綜合運(yùn)用三種單一預(yù)測模型，根據(jù)三種模型的誤差大小給予三種模型不同的權(quán)重。因此組合預(yù)測模型預(yù)測準(zhǔn)確性要大于單一預(yù)測模型。要精確的預(yù)測汽車銷量，研究精確的預(yù)測模型變得很重要。本論文研究出比現(xiàn)有預(yù)測模型更精確的預(yù)測模型。通過運(yùn)用組合預(yù)測模型和RBF預(yù)測模型，建立了更復(fù)雜的綜合預(yù)測模型。通過測試，發(fā)現(xiàn)該模型精確性更高。并且本論文研發(fā)了相應(yīng)的預(yù)測軟件。構(gòu)建了銷售預(yù)測平臺(tái)。AbstractAutomotiveindustryineachcountry'seconomicdevelopmentisessential.Thedevelopmentoftheautomotiveindustrycandrivetheironandsteel,metallurgy,chemicals,energy,andmanyotherimportanteconomicindustry.ThereasonwhytheUnitedStates,forexample,inthe20thcentury,thetwenty-firstcentury,dominatingtheworldwiththeGovernmenteffortstodeveloptheautomobileindustryarenotunrelated.InChinatoday,economicgrowfast.DevelopmentofautomobileindustryoftheentireChineseeconomyisparticularlyneeded.Withthegrowingpurchasingpowerofresidentssincethereformanddevelopment,theautomotiveindustryhavebeenexpanding.Inthepasttenyears,turnouttheblowoutphenomenon.Increasinglycompetitiveautomarket.Autosalesforecasttobecomeveryimportant.Dealertofindhiddeninthehistoricaldatafromalargenumberofcarsales,autosalesforecastinformation,competitioncantaketheinitiative.Areasonablechoiceofpartsinventoryandliquidity,reduceunnecessaryinvestmentlosses.Master

autosalesforecastinformationfortheautomobilemanufacturers,itisreasonabletoselecttheproduction,researchanddevelopmentofnewmodels,marketpotential,butalsotoreduceunnecessaryproductionandinvestment.Inparticular,China'sautomarketoversupply,overcapacityisserious,viciousmarketcompetitionseriously.Carsalesforecastingmethodsaremovingaverage,exponentialsmoothing,regressionanalysis.Carsalesforecastmodelhasasinglepredictionmodelandthecombinationforecastingmodel.Asinglepredictionmodelpredictiveaccuracythanthecombinationforecastingmodel.Combinationforecastingmodelintegrateduseoftheaforementionedthreemethodsgivethreewaystothedifferentweightdistribution.Researchmoraccurateautosalesforecastmodeltopredictcarsalesisespeciallyimportant.Inthisthesis,in-depthstudyofthecombinationforecastingmodelandtheRBFneuralnetworkpredictionmodel,andtheestablishmentofamore

accuratepredictionmodelsthanexistingmodels.Useofcomputerdatabasetechnology,economics,technology,mathematics,statisticaltechniques.Developmentofforecastingsoftware.Salesforecastingplatformwasconstructed.目錄摘要 IAbstract II目錄 IV第一章 引言 -1-1.1研究的背景和意義 -1-1.2國內(nèi)外研究狀況 -1-第二章 時(shí)間序列預(yù)測原理綜述 -2-2.1時(shí)間序列預(yù)測綜述 -2-2.1.1時(shí)間序列預(yù)測基本方法 -2-2.1.2回歸預(yù)測分析法 -7-2.2定性預(yù)測法 -8-2.3主要的預(yù)測方法 -8-第三章 汽車整車銷售預(yù)測模型的應(yīng)用過程分析 -9-汽車整車銷售綜合預(yù)測模型分析 -9- -9-3.2組合預(yù)測模型 -11-3.2.1組合預(yù)測模型的理論依據(jù) -11-3.2.2組合預(yù)測模型的思想 -12-3.2.3組合預(yù)測模型的權(quán)值比例研究 -13-3.2.4綜合預(yù)測模型應(yīng)用分析 -13-3.2.5比較分析各種模型預(yù)測結(jié)果 -14-3.3銷售模型實(shí)例分析 -15-3.4模型分析 -16-3.4.1指數(shù)平滑模型的預(yù)測流程 -16-3.4.2實(shí)例分析 -17-3.5評(píng)估組合預(yù)測模型準(zhǔn)確性 -21-3.6RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測過程 -22-3.6.1數(shù)據(jù)預(yù)處理 -22-3.6.2動(dòng)態(tài)自適應(yīng)學(xué)習(xí) -23-3.6.3RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型 -23-3.7模型分析 -24-第四章 汽車整車銷售預(yù)測模型研發(fā) -25-汽車整車預(yù)測模型設(shè)計(jì)思想 -25-4.2汽車整車預(yù)測模型總體框架 -26-…………...-27-4.4汽車整車銷售預(yù)測模型的應(yīng)用軟件的實(shí)現(xiàn) ……-28-4.5權(quán)值分配 -31-4.6預(yù)測結(jié)果擬合模塊設(shè)計(jì) -31-4.7測試環(huán)境 -33-4.7.1硬件環(huán)境 -33-4.7.2軟件環(huán)境 -33-4.7.3測試步驟 -34-結(jié)論 -35-參考文獻(xiàn) -37-致謝 -40-引言研究的背景和意義在現(xiàn)實(shí)生活的方方面面都存在著預(yù)測。小到個(gè)人的日程安排，大到國家政策的訂立，預(yù)測無處不在。過去會(huì)對(duì)現(xiàn)狀產(chǎn)生影響，現(xiàn)狀如何又會(huì)對(duì)將來產(chǎn)生影響。這就是預(yù)測的依據(jù)。企業(yè)的決策同樣離不開預(yù)測。英明的決策建立在精確的預(yù)測上。提高銷售預(yù)測的準(zhǔn)確性可以改善企業(yè)銷售流程，也可以為汽車生產(chǎn)和銷售企業(yè)高層提供決策支持。預(yù)測汽車在某個(gè)時(shí)間段的銷售量可以減少不必要的投資，而減少投資損失等于提高了企業(yè)經(jīng)濟(jì)效益。比如汽車生產(chǎn)企業(yè)根據(jù)每季度銷售量確定每季度的生產(chǎn)計(jì)劃，選擇增加還是減少生產(chǎn)設(shè)備，避免設(shè)備閑置帶來經(jīng)濟(jì)損失。汽車銷售企業(yè)也可根據(jù)銷售預(yù)測，確定汽車訂價(jià)，配件分配和庫存，也帶來經(jīng)濟(jì)收益。在當(dāng)今世界，很多汽車企業(yè)集團(tuán)都是大規(guī)?；蛱卮笠?guī)模的。它們的銷售網(wǎng)絡(luò)非常龐大，單靠以往的手工預(yù)測極難滿足銷售管理部門的需要。當(dāng)今中國汽車產(chǎn)業(yè)不斷發(fā)展壯大，預(yù)測汽車銷量具有特殊意義。1.我國汽車企業(yè)銷售預(yù)測僅停留在手工操作，靠經(jīng)驗(yàn)的階段；2.出現(xiàn)新車型，汽車廠家競相投資，供過于求，導(dǎo)致資源大量浪費(fèi)，缺乏汽車市場的調(diào)查。國內(nèi)外研究狀況銷售預(yù)測模型有單一預(yù)測模型和混合預(yù)測模型。單一預(yù)測模型有移動(dòng)平均法，指數(shù)平滑法，馬爾科夫預(yù)測法?；旌项A(yù)測模型有ARMA預(yù)測模型。由于影響汽車銷量的因素極其復(fù)雜。汽車銷量呈線性和非線性變化。針對(duì)汽車銷售預(yù)測，出現(xiàn)了幾種精確的預(yù)測模型。有ARMA，HANNFM，時(shí)間序列分解法預(yù)測模型。而針對(duì)每個(gè)汽車企業(yè)，影響其銷售量的因素又非常特別的，所以針對(duì)某個(gè)汽車企業(yè)建立銷售預(yù)測模型是必要的。第二章時(shí)間序列預(yù)測原理綜述2.1時(shí)間序列預(yù)測綜述時(shí)間序列預(yù)測基本方法時(shí)間序列數(shù)據(jù)是根據(jù)相同的時(shí)間間隔所取得的一系列數(shù)據(jù)。時(shí)序變量Y=F(t)，描述一個(gè)點(diǎn)隨時(shí)間的變化情況。時(shí)序數(shù)據(jù)具體分為三類：語音數(shù)據(jù)。比如聲音，視頻數(shù)據(jù)；經(jīng)濟(jì)，市場，生產(chǎn)數(shù)據(jù)。比如股票數(shù)據(jù)，銷售數(shù)據(jù)；科學(xué)數(shù)據(jù)。比如氣象，地質(zhì)數(shù)據(jù)。時(shí)序數(shù)據(jù)具有三個(gè)特點(diǎn)：1，時(shí)序數(shù)據(jù)是根據(jù)預(yù)測目標(biāo)從過去到現(xiàn)在的發(fā)展趨勢(shì)來預(yù)測從現(xiàn)在到未來的發(fā)展趨勢(shì)。所依據(jù)的是慣性原理。即假設(shè)過去發(fā)展的規(guī)律性會(huì)延續(xù)到未來，所謂的慣性原理。但隨著時(shí)間的延長，影響銷售數(shù)據(jù)的因素不斷積累，規(guī)律性減弱。一般該原理用于短期預(yù)測最佳，中期預(yù)測變?nèi)?，長期預(yù)測變差。2，時(shí)序數(shù)據(jù)的變化是由各種因素引起的。按照特點(diǎn)，這些因素可以分為四類：趨勢(shì)因素，比如數(shù)據(jù)是增長還是下降。季節(jié)因素，根據(jù)汽車銷售歷史數(shù)據(jù)，發(fā)現(xiàn)通常春節(jié)期間汽車銷售量較高，季節(jié)因素明顯。周期性因素，比如周期性出現(xiàn)的經(jīng)濟(jì)危機(jī)。不規(guī)則數(shù)據(jù)，也就是隨機(jī)數(shù)據(jù)，地震或戰(zhàn)爭因素。3，時(shí)間序列是一種簡化。因?yàn)橛绊憰r(shí)序數(shù)據(jù)的外部因素非常復(fù)雜。時(shí)間序列是對(duì)這些因素的簡化，從而更簡單方便的對(duì)數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)影響汽車銷售量的幾種因素，采用定性與定量，線性與非線性相結(jié)合的方法預(yù)測整車銷售量。（1）線性預(yù)測法：根據(jù)汽車整車銷售歷史數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)學(xué)，經(jīng)濟(jì)學(xué)，計(jì)算機(jī)技術(shù)來預(yù)測汽車銷售趨勢(shì)。根據(jù)汽車銷售量隨時(shí)間的變化特點(diǎn)可以分為定性預(yù)測法和定量預(yù)測法。（2）定量預(yù)測法：本論文僅研究三種定量預(yù)測法。移動(dòng)平均法，指數(shù)平滑法，回歸分析法。A．移動(dòng)平均預(yù)測法移動(dòng)平均預(yù)測法是隨著汽車整車銷售量新數(shù)據(jù)不斷加入，不斷調(diào)整結(jié)果平均數(shù)的一種平滑方法。它的優(yōu)點(diǎn)是可以消除一些特殊因素的影響，顯明汽車整車銷售量的變化方向。分為一次移動(dòng)平均預(yù)測，二次或多次移動(dòng)平均預(yù)測。當(dāng)整車銷售時(shí)間序列沒有明顯的趨勢(shì)變動(dòng)時(shí)，使用一次移動(dòng)平均就可以非常好的地反映實(shí)際銷售變化趨勢(shì)，用第t時(shí)刻的一次移動(dòng)預(yù)測值就可預(yù)測第t+1時(shí)刻的預(yù)測值。當(dāng)整車銷售時(shí)間序列出現(xiàn)顯著的或非常顯著的變動(dòng)趨勢(shì)時(shí)，就要用二次或多次移動(dòng)平均預(yù)測，以凸顯實(shí)際銷售變化趨勢(shì)。B．一次移動(dòng)平均預(yù)測設(shè)有一汽車整車銷售歷史數(shù)據(jù)的時(shí)間序列，先按時(shí)間的先后順序逐步推算求出N個(gè)數(shù)的平均數(shù)，即可得到第一次移動(dòng)平均數(shù)：（2-1）公式（）中Mt為第t時(shí)刻的一次移動(dòng)平均數(shù)；乃為第t時(shí)刻的整車銷售。歷史值N為移動(dòng)平均的移動(dòng)時(shí)距，也就是使用多少個(gè)歷史的整車銷售值來計(jì)算。公式(2.1)式表明當(dāng)t向前移動(dòng)一個(gè)時(shí)間間隔，就增加一個(gè)新近整車歷史銷售數(shù)據(jù)，去掉一個(gè)遠(yuǎn)期的整車銷售的歷史數(shù)據(jù)，然后計(jì)算出一個(gè)新的預(yù)測數(shù)。這個(gè)預(yù)測方法的特點(diǎn)是不斷地“吐故納新”，逐步按時(shí)間向前移動(dòng)，所以稱為移動(dòng)平均預(yù)測法。由于移動(dòng)平均可以平滑數(shù)據(jù)，消除季節(jié)變動(dòng)，周期變化和不規(guī)則變化的影響，使得整個(gè)整車銷售時(shí)間序列的長期趨勢(shì)顯示出來，可以用于長期趨勢(shì)預(yù)測。其預(yù)測公式為：（2.2）公式(2.2)表示可以把第t時(shí)刻的第一次移動(dòng)平均值作為第t+1時(shí)刻的預(yù)測值。方法是在一次移動(dòng)平均的預(yù)測值的時(shí)間序列上再做一次移動(dòng)平均，然后建立長期趨勢(shì)的預(yù)測模型。所以移動(dòng)平均預(yù)測法也稱為長期趨勢(shì)預(yù)測法。設(shè)一次移動(dòng)平均數(shù)為，則二次移動(dòng)平均數(shù)的計(jì)算公式為：（2.3）可以看成具有某種直線趨勢(shì)，且未來時(shí)期銷售量也按此直線趨勢(shì)變化，則可設(shè)此直線趨勢(shì)預(yù)測模型為：（2.4）公式(2.4)式中t為當(dāng)前時(shí)期數(shù)；T為當(dāng)前時(shí)期數(shù)t到預(yù)測時(shí)刻的時(shí)間間隔數(shù)，即t以后長期趨勢(shì)預(yù)測模型外推的一段時(shí)間為第t+T期的時(shí)間序列的銷售預(yù)測值；為直線的截距；為直線的斜率。根據(jù)二次移動(dòng)平均預(yù)測值求出直線的截距和直線的斜率的計(jì)算公式為（2.5）（2.6）C.指數(shù)平滑預(yù)測法指數(shù)平滑預(yù)測，是一種金融行業(yè)進(jìn)行短期預(yù)測的預(yù)測方法，同樣也可以應(yīng)用到汽車整車銷售行業(yè)中。這種預(yù)測方法是給比較近的一些整車銷售的歷史銷售數(shù)據(jù)以比較大的權(quán)值，而對(duì)比較遠(yuǎn)的整車歷史銷售數(shù)據(jù)以比較小的權(quán)值。因?yàn)樽罱匿N售數(shù)據(jù)更反映整車銷售預(yù)測，也就是說最近的銷售數(shù)據(jù)與未來銷售趨勢(shì)關(guān)系最密切。指數(shù)平滑預(yù)測法是當(dāng)整車銷售歷史數(shù)據(jù)有某種趨勢(shì)的表現(xiàn)之后，需要添加一個(gè)趨勢(shì)因子來計(jì)算未來汽車銷量。所以汽車整車銷售預(yù)測過程就包括兩個(gè)平滑過程。與移動(dòng)平均預(yù)測法類似，也分為一次指數(shù)平滑預(yù)測法和二次或多次指數(shù)平滑預(yù)測法。當(dāng)整車銷售時(shí)間序列沒有明顯的變動(dòng)趨勢(shì)時(shí)，使用一次指數(shù)平滑預(yù)測即可。如果整車銷售時(shí)間序列有顯著的變動(dòng)趨勢(shì)時(shí)，用一次指數(shù)平滑預(yù)測會(huì)出現(xiàn)明顯的滯后偏差，這時(shí)用二次或多次指數(shù)平滑預(yù)測法。1.指數(shù)平滑預(yù)測法的基本原理：①一次指數(shù)平滑預(yù)測設(shè)時(shí)間序列為則一次指數(shù)平滑的預(yù)測公式為：（2.7）公式(2.7)式中為第時(shí)刻的一次指數(shù)平滑值。為平滑系數(shù)，為期的預(yù)測值。展開公式2.7：（2.8）由于當(dāng)時(shí)，于是上述公式變?yōu)椋ǎ┮驗(yàn)槠交禂?shù)符合指數(shù)規(guī)律，又具有修勻整車銷售數(shù)據(jù)時(shí)間序列中的周期性影響的功能，所以稱為指數(shù)平滑預(yù)測法。用公式)進(jìn)行時(shí)間序列預(yù)測，能得到一次指數(shù)平滑預(yù)測值。其預(yù)測模型為：（2.10）即以第t時(shí)刻的一次指數(shù)平滑值作為第t+l時(shí)刻的預(yù)測值。②二次指數(shù)平滑預(yù)測平滑的方法是在一次指數(shù)平滑的整車銷售時(shí)間序列上再做二次指數(shù)平滑，然后建立的平滑預(yù)測模型，叫做二次指數(shù)平滑預(yù)測模型二次指數(shù)平滑值的計(jì)算公式為：（2.11）公式(2.11)式中，為第時(shí)刻的一次指數(shù)平滑預(yù)測值。為第時(shí)刻的二次指數(shù)平滑預(yù)測值。為第時(shí)刻的二次指數(shù)平滑預(yù)測值。若整車銷售時(shí)間序列從某時(shí)期開始具有某種線性趨勢(shì)，并且認(rèn)為未來也按此線性趨勢(shì)變化，可用如下的線性趨勢(shì)模型來預(yù)測整車銷售量。（2.12）式中為當(dāng)前時(shí)期數(shù)；為由初始化的時(shí)期數(shù)到結(jié)果預(yù)測值之間的時(shí)期數(shù)；為第期的銷售量預(yù)測值。為線性的截距，為線性的斜率，其計(jì)算公式為：（2.13）（2.14）2.初始值的確定因?yàn)槭堑那耙黄诘钠交?，說明每次預(yù)測都要以上一次的預(yù)測值為基礎(chǔ)。這樣不斷往回推，必然有第一個(gè)預(yù)測值即初始值，即用表示)如何確定的問題。關(guān)于初始值的選擇，一般可以這樣考慮：①當(dāng)原始序列的項(xiàng)數(shù)較多(如大于50項(xiàng))時(shí)，以第一期的觀測值作為初始值，即。這樣因?yàn)閿?shù)據(jù)多，多次平滑運(yùn)算后，初始值會(huì)對(duì)預(yù)測值影響很??；②當(dāng)原始序列的項(xiàng)數(shù)較少時(shí)(如在20以內(nèi))，初始值更加影響未來預(yù)測值，這時(shí)取最初的幾個(gè)數(shù)據(jù)的平均值作為初始值即：)其中N為某一整數(shù)?；貧w預(yù)測分析法回歸分析預(yù)測法是依據(jù)汽車整車銷售量與影響銷售量的因素之間的函數(shù)關(guān)系構(gòu)建回歸模型來預(yù)測汽車整車銷售量。如果分析整車歷史銷售數(shù)據(jù)發(fā)現(xiàn)有多個(gè)因素影響汽車整車銷售量時(shí)就可以使用多元回歸預(yù)測模型1、回歸預(yù)測分析法的基本原理設(shè)回歸曲線方程式為：)式中，y代表因變量，x代表自變量，a，b，c是回歸系數(shù)。設(shè)現(xiàn)有期的統(tǒng)計(jì)值，令i期的統(tǒng)計(jì)值為，則期的統(tǒng)計(jì)值與回歸線對(duì)應(yīng)點(diǎn)縱坐標(biāo)之間的偏差為，偏差平方和S為：（2.17）將回歸曲線方程(12)代入偏差平方和表達(dá)式(13)得：要求曲線y上各點(diǎn)實(shí)際資料線上對(duì)應(yīng)點(diǎn)之間的偏差平方和S最小，需求偏導(dǎo)數(shù)，令偏導(dǎo)數(shù)。則S為最小，得聯(lián)立方程組：（2.18）為使計(jì)算過程簡便，使這樣上述方程可簡化為：（2.19）解上述聯(lián)立方程組，即可求出系數(shù)a，b，c。預(yù)測時(shí)，只要求出回歸系數(shù)a，b，c的值便可建立回歸線方程，從而得到預(yù)測應(yīng)用模型。2.2定性預(yù)測法定性預(yù)測法是用不需要精確度度高的統(tǒng)計(jì)手法計(jì)算，是以市場調(diào)查為基礎(chǔ)，根據(jù)汽車行業(yè)從業(yè)人員的經(jīng)驗(yàn)，基于汽車銷售行業(yè)領(lǐng)導(dǎo)層意見一種預(yù)測方法。一般的用在汽車整車銷售行業(yè)的方法主要有執(zhí)行官意見預(yù)測法、德爾菲技術(shù)預(yù)測法、銷售力量投票預(yù)測法、德爾菲法預(yù)測等等。2.3主要的預(yù)測方法1、德爾菲方法需要一組在不同地區(qū)的專家，他們各自獨(dú)立地完成一些老的調(diào)查問卷。每一份調(diào)查問卷的結(jié)果都隨同一份問卷同時(shí)送出，然后每位專家評(píng)估這些信息，在下一份問卷中調(diào)整他或她的反應(yīng)。其目的是使得大多數(shù)專家的結(jié)論都集中在一個(gè)相對(duì)集中的范圍里。這個(gè)方法通常僅用作公司最高層或政府對(duì)整體趨勢(shì)的長期預(yù)測。2、消費(fèi)市場調(diào)查方法通過調(diào)查消費(fèi)者和潛在的消費(fèi)者未來購買計(jì)劃及他們對(duì)各種產(chǎn)品新特點(diǎn)的反應(yīng)的一種地毯式銷售預(yù)測方法。這對(duì)于最初預(yù)測設(shè)計(jì)新產(chǎn)品和確定銷售量具有特殊的作用，也有助于策劃一個(gè)營銷活動(dòng)。汽車整車銷售預(yù)測模型的應(yīng)用過程分析汽車整車歷史銷售數(shù)據(jù)分析以2006年1月到2006年12月期間的一個(gè)地區(qū)的經(jīng)銷商的汽車整車月銷售量為歷史數(shù)據(jù)，根據(jù)各月份的奧迪汽車整車銷售量數(shù)據(jù)做一個(gè)歷史時(shí)間序列圖。從圖3.1中可以看出隨著一些社會(huì)因素的變動(dòng)，整車銷售量也存在一些波動(dòng)，因此該型號(hào)汽車銷售量序列為一非平穩(wěn)時(shí)間序列。圖3.1奧迪汽車06年銷售量(輛)根據(jù)圖3.1中的汽車整車銷售的歷史數(shù)據(jù)分解發(fā)現(xiàn)：一月到五月的整車銷售量有下降趨勢(shì)：8000輛——6000輛，五月到八月的整車銷售量有上升趨勢(shì)：6000輛——8500輛，九月到十月下降趨勢(shì)：9000輛——7500輛，十一月到第二年的一月又出現(xiàn)上升的趨勢(shì)：8000輛一9000輛。但是可以看成銷量在五月之后一直是上升趨勢(shì)，而根據(jù)上一章對(duì)移動(dòng)平均預(yù)測法的研究發(fā)現(xiàn)它對(duì)于長期趨勢(shì)，周期變化效果比較明顯；而12月出現(xiàn)一個(gè)銷售高峰，在整車銷售時(shí)間序列中可以看成是一個(gè)轉(zhuǎn)折點(diǎn)，針對(duì)這種轉(zhuǎn)折點(diǎn)的預(yù)測可以試著使用回歸分析預(yù)測模型，回歸分析預(yù)測模型可以很好的預(yù)測出整車銷售時(shí)間序列中的季節(jié)因子；從05年到09年的整個(gè)歷史整車銷售數(shù)據(jù)，發(fā)現(xiàn)整車銷售隨著市場環(huán)境變化會(huì)出現(xiàn)周期變化，而指數(shù)平滑預(yù)測模型可以把周期因素平滑點(diǎn)，所以可以使用指數(shù)平滑預(yù)測模型來對(duì)長期趨勢(shì)、季節(jié)變化因素進(jìn)行預(yù)測。然后根據(jù)“優(yōu)重差輕”原則，進(jìn)行權(quán)重分配的組合預(yù)測。圖3.1中的銷售歷史數(shù)據(jù)是一個(gè)地區(qū)(50個(gè)經(jīng)銷網(wǎng)點(diǎn))的汽車整車銷售量，它具有一個(gè)地區(qū)特色的特點(diǎn)。為了使得本論文中所提出的綜合預(yù)測模型的應(yīng)用型更加廣泛，再使用2006年一月到2008月十二月期間的一個(gè)經(jīng)商網(wǎng)點(diǎn)的汽車整車銷售量為歷史數(shù)據(jù)，根據(jù)各月份的奧迪汽車整車銷售量數(shù)據(jù)做一個(gè)歷史時(shí)間序列圖：圖3.2奧迪汽車06年——08年銷售量(一個(gè)經(jīng)銷點(diǎn))根據(jù)圖3.2中的汽車整車銷售的歷史數(shù)據(jù)分解發(fā)現(xiàn)：春節(jié)所在月的前后整車銷售量是全年銷售量中最高，06年、07年的一月、二月整車銷售量是最高，分別是220輛、125輛，08年在二月左右出現(xiàn)了最高峰200輛；06、08年的旺季出現(xiàn)在六月到八月100輛到180輛而在07年五月到九月的銷售量有所下滑。這因?yàn)?006年是中國加入WTO后承諾汽車整車關(guān)稅降至25%的期限，在經(jīng)歷了5年的過渡期以后，中國汽車行業(yè)基本實(shí)現(xiàn)平穩(wěn)與國際接軌，而07年正是政策實(shí)施開始，汽車市場主基調(diào)既然離不開降價(jià)、汽車三包政策的擇機(jī)出臺(tái)、汽車品牌管理辦法的實(shí)施、外商直接參與中國汽車銷售市場的競爭盡管降價(jià)聲勢(shì)浩大，但消費(fèi)者并不買賬，所以在07年的旺季出現(xiàn)銷售量的下滑，六月到十月是88輛到125輛。從圖3.2中分析發(fā)現(xiàn)雖然07年的汽車整車銷售量有所下降，但是汽車整車銷售量總體還是在向一個(gè)趨勢(shì)發(fā)展。所以通過這些歷史數(shù)據(jù)可以把整車銷售時(shí)間序列分解為長期增長還是下降趨勢(shì)、季節(jié)因素(比如春節(jié))、周期性因素(比如經(jīng)濟(jì)危機(jī))以及不規(guī)則變動(dòng)(比如地震，洪水)。分別對(duì)各種影響因素進(jìn)行預(yù)測，再使用然后根據(jù)“優(yōu)重差輕”原則，進(jìn)行權(quán)重分配這些預(yù)測值獲得組合預(yù)測值。3.2組合預(yù)測模型.1組合預(yù)測模型的理論依據(jù)：長期趨勢(shì)(T)、季節(jié)變動(dòng)(S)、循環(huán)波動(dòng)(C)和不規(guī)則變動(dòng)(I)。而在實(shí)際的整車銷售量預(yù)測中很難把不規(guī)則變動(dòng)(I)從整車銷售時(shí)間序列波動(dòng)中分解出來，因?yàn)椴灰?guī)則變動(dòng)(I)很難從時(shí)間序列中分解出來，所以通常把I認(rèn)為I=1.0，從而可以對(duì)四種因素逐個(gè)分解分別計(jì)算出一個(gè)銷售量預(yù)測值，在通過乘法原理得出一個(gè)總的銷售量預(yù)測值，所以建時(shí)間序列分解法所得公式：（3.1）四種因素都可以按照各個(gè)指數(shù)計(jì)算出來，而各自的指數(shù)是按照每種側(cè)重的算法計(jì)算出來的。這種時(shí)間序列分解法的思想給本論文中創(chuàng)新研究的組合預(yù)測模型提供理論依據(jù)。對(duì)歷史整車銷售數(shù)據(jù)的分解發(fā)現(xiàn)，每年春節(jié)所在月份整車銷售量波動(dòng)較大，而且春節(jié)所在月一般不固定，在分析06、07、08年的銷售歷史數(shù)據(jù)時(shí)，使用單一的指數(shù)平滑預(yù)測模型發(fā)現(xiàn)，根據(jù)06年歷史銷售量數(shù)據(jù)平滑出07年二月的銷售量時(shí)，出現(xiàn)誤差。根據(jù)指數(shù)平滑預(yù)測模型計(jì)算得到的07年的二月銷售量是80輛而實(shí)際銷售量是125輛，使用單一的回歸分析預(yù)測模型預(yù)測出二月份銷售量是100輛，通過這兩個(gè)單一模型的預(yù)測結(jié)果表示在奇異點(diǎn)的地方使用“先剔后補(bǔ)”可以把非線性整車銷售時(shí)間序列中的一些奇異點(diǎn)計(jì)算出來。所以在對(duì)汽車整車未來銷售量的預(yù)測可以采用“先剔后補(bǔ)”的方法，首先剔出歷史整車銷售數(shù)據(jù)中春節(jié)所在月份的數(shù)據(jù)，使用(除了春節(jié)所在月)其他的歷史銷售數(shù)據(jù)預(yù)測完成之后，也就是整車銷售時(shí)間序列的長期趨勢(shì)預(yù)測，再依據(jù)一些特殊的預(yù)測方法預(yù)測春節(jié)月份銷售量，比如回歸分析預(yù)測方法。在整車銷售時(shí)間序列中還有一些受政府政策影響較大的“奇異點(diǎn)”也同樣可以考慮在誤差分析中比如在圖3.2中的表現(xiàn)的中國加入WTO后承諾汽車整車關(guān)稅降至25%的期限，也可以是放在RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型中去考慮。從模型的預(yù)測數(shù)據(jù)與實(shí)際銷售量比較發(fā)現(xiàn)，這種整車時(shí)間序列分解方法可以考慮影響汽車整車銷售量的多種因素，又能對(duì)每種因素做出精確地預(yù)測，所以這種方法可以提高汽車整車銷售預(yù)測模型的精確度。綜上所述，組合預(yù)測模型是按照這種時(shí)間序列分解思想采用的三種單一預(yù)測模型進(jìn)行權(quán)重分配的組合模型，也就是組合模型理論依據(jù)是成立的。組合預(yù)測模型的思想從在上面一章中討論了移動(dòng)平均預(yù)測模型，指數(shù)平滑預(yù)測模型，回歸分析預(yù)測模型的特點(diǎn)，發(fā)現(xiàn)指數(shù)平滑預(yù)測模型通過對(duì)歷史整車銷售時(shí)間序列進(jìn)行逐層平滑計(jì)算，從而消除隨機(jī)循環(huán)波動(dòng)(C)因素的影響，根據(jù)分析發(fā)現(xiàn)它對(duì)于短期預(yù)測效果比較好，因?yàn)樽罱恼囦N售歷史數(shù)據(jù)是包含最多的未來汽車行業(yè)銷售情況的數(shù)據(jù)，所以相當(dāng)于歷史時(shí)間序列中計(jì)算長期趨勢(shì)(T)、季節(jié)變動(dòng)(S)。比如06、07、08年的銷售歷史數(shù)據(jù)中從分析得出這三年的汽車整車銷售量從88輛增長到220輛，不管中間是降低到72還是上升到兒O，整體銷售量趨勢(shì)還是趨向于一個(gè)方向的?；貧w分析預(yù)測模型有效地反映了汽車整車銷售隨季節(jié)波動(dòng)的特點(diǎn)，有一定的可靠性，但不能反映其他非線性因素帶來的影響，預(yù)測效果欠佳，相當(dāng)于歷史時(shí)間序列中計(jì)算季節(jié)指數(shù)，季節(jié)變動(dòng)(S)。移動(dòng)平均預(yù)測模型針對(duì)非季節(jié)性變化時(shí)間序列，可相當(dāng)于在歷史時(shí)間序列中計(jì)算長期趨勢(shì)(T)、循環(huán)波動(dòng)(C)的分解值，也是單一模型中的長期趨勢(shì)預(yù)測模型的預(yù)測值。綜上所述，根據(jù)收集的汽車整車銷售歷史數(shù)據(jù)和預(yù)測時(shí)間來看，歷史銷售數(shù)據(jù)和時(shí)間是呈幾何級(jí)數(shù)增長，比如在06、07、08年的每一個(gè)春節(jié)的銷售量分別是220輛、125輛、200輛、來看春節(jié)這一時(shí)間段是全年銷售比較高的時(shí)刻，則使用回歸分析預(yù)測模型，回歸分析預(yù)測模型可以看成是計(jì)算時(shí)間序列中的季節(jié)變動(dòng)(季節(jié)變化因子)因素的值；指數(shù)平滑模型計(jì)算時(shí)間序列中的長期趨勢(shì)、季節(jié)變動(dòng)因素的值；移動(dòng)平均預(yù)測模型計(jì)算時(shí)間序列中的長期趨勢(shì)、循環(huán)波動(dòng)因素的值。影響整車銷售時(shí)間序列的四個(gè)因素都分別包括在這三種單一預(yù)測模型中，因此如果把這三種單一的方法實(shí)行權(quán)重分配組合，可以弱化某一個(gè)單一預(yù)測模型的不足，強(qiáng)化某一單個(gè)預(yù)測模型在整車預(yù)測結(jié)果中的優(yōu)點(diǎn)部分，還可以根據(jù)不同汽車行業(yè)市場變化來預(yù)測下一個(gè)時(shí)期的汽車整車銷售量，并提高汽車整車銷售的預(yù)測精度。.3組合預(yù)測模型的權(quán)值比例研究組合預(yù)測模型是結(jié)合多種單一預(yù)測模型的優(yōu)點(diǎn)，是利用多種單一預(yù)測方法的預(yù)測值，按比例加權(quán)得出的組合預(yù)測值。研究發(fā)現(xiàn)要想組合預(yù)測模型的預(yù)測值精確度高，關(guān)鍵是如何求出權(quán)值。組合預(yù)測模型綜合考慮了三種單一的預(yù)測模型的優(yōu)點(diǎn)和缺點(diǎn)，然后將它們進(jìn)行組合。換句話說組合預(yù)測模型的權(quán)值分配比例的原則是“誤差分配權(quán)重”，先對(duì)組合預(yù)測模型中的單一預(yù)測模型的預(yù)測值進(jìn)行比例分析，再根據(jù)多種求權(quán)值的分配方法計(jì)算單一模型來的權(quán)重，在用組合預(yù)測模型計(jì)算出預(yù)測值，也就是確定它在下一個(gè)銷售預(yù)測中的比重。再根據(jù)預(yù)測誤差較小的預(yù)測模型，當(dāng)它組合預(yù)測模型的權(quán)重分配，換句話說以后的預(yù)測量可以按照這種權(quán)重分配方法能適用，可以增加模型精度。綜合預(yù)測模型應(yīng)用分析由于汽車整車銷售活動(dòng)是一個(gè)由多種因素參與的復(fù)雜的活動(dòng)，它的特點(diǎn)是具有高度的非確定性，所以很難確定那一個(gè)部分是線性，那幾個(gè)部分是非線性?；谶@種情況，本論文認(rèn)為汽車整車銷量時(shí)間序列由線性和非線性兩部分混合組成，對(duì)于線性部分采用一種新型的組合預(yù)測模型，對(duì)于非線性部分則采用被廣泛應(yīng)用且證明有良好精度的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。（3.2）式（3.2）是到這段時(shí)間內(nèi)所要預(yù)測的汽車整車銷售量。是預(yù)測數(shù)據(jù)中線性部分的預(yù)測值，是預(yù)測數(shù)據(jù)中非線性部分的值，相當(dāng)于誤差部分的預(yù)測。利用組合預(yù)測模型來構(gòu)建線性部分，那么線性模型的誤差部分就是非線性關(guān)系，再用RBF神經(jīng)網(wǎng)絡(luò)來處理。由于任何固定的線性模型或者非線性預(yù)測模型都不能準(zhǔn)確地預(yù)測出汽車整車銷售預(yù)測值，必然存在一定的誤差，所以在本論文中的綜合預(yù)測模型中，把線性部分的誤差看成是數(shù)據(jù)內(nèi)部的非線性特性，即汽車整車銷售量序列是在線性序列的基礎(chǔ)上又疊加了非線性汽車銷售誤差序列。因此，令e表示t時(shí)刻的線性模型的誤差，也就是汽車整車預(yù)測模型中的組合預(yù)測模型得出的結(jié)果和歷史整車銷售量的差值。.5比較分析各種模型預(yù)測結(jié)果移動(dòng)平均預(yù)測模型重要的就是確定移動(dòng)時(shí)距，移動(dòng)時(shí)距越長，整車銷售量長期趨勢(shì)表現(xiàn)的越明顯，但是歷史數(shù)據(jù)時(shí)間序列保留的項(xiàng)數(shù)越少；一般情況，可以從以下幾個(gè)方面確定移動(dòng)時(shí)距：①根據(jù)收集的整車銷售的歷史數(shù)據(jù)個(gè)數(shù)的多少。數(shù)據(jù)比較多，移動(dòng)時(shí)距可取得大些；反之，移動(dòng)時(shí)距可取的小些。②對(duì)新數(shù)據(jù)反映程度。移動(dòng)時(shí)距取得小，對(duì)新數(shù)據(jù)反映靈敏，但反應(yīng)如果太靈敏，容易把意外情況看為某種趨勢(shì)。移動(dòng)時(shí)距取得大，反映太慢，預(yù)測缺乏適應(yīng)性；③觀察整車銷售歷史數(shù)據(jù)的時(shí)間序列是否有明顯的周期性波動(dòng)。為了平滑周期性波動(dòng)，使移動(dòng)平均模型反映長期趨勢(shì)，可以用周期作為移動(dòng)時(shí)距值，④專業(yè)銷售預(yù)測的人可以根據(jù)個(gè)人經(jīng)驗(yàn)確定移動(dòng)時(shí)距大小。3.3銷售模型實(shí)例分析本章采用一汽大眾的奧迪汽車整車銷售量為例進(jìn)行建模。取2006年的過去銷售的月銷售數(shù)據(jù)(見表3.l)做擬合，計(jì)算出07年的月銷售量的預(yù)測，預(yù)測6個(gè)月間隔的銷售量。表3.12006年奧迪汽車的月銷售量：表3.2根據(jù)趨勢(shì)移動(dòng)平均模型得到的、： 建立06年起的趨勢(shì)模型（3.3）取和，得（3.4）（3.5）所以趨勢(shì)線性模型為：（3.6）當(dāng)時(shí)，，用移動(dòng)平均模型預(yù)測2007年一月奧迪汽車銷售量。模型分析07年一月份預(yù)測銷售量為7225，實(shí)際銷售量是6900.說明有比較大的誤差。百分比誤差為0.136。因?yàn)槟Ｐ痛嬖趦煞矫娌蛔?。首先，模型需要輸入足夠的歷史銷售數(shù)據(jù)，數(shù)據(jù)不足導(dǎo)致誤差加大。因此運(yùn)用此輸入法需要輸入大量歷史銷售數(shù)據(jù)。其次需要對(duì)歷史銷售數(shù)據(jù)進(jìn)行權(quán)重分配，因?yàn)檩^近的數(shù)據(jù)對(duì)預(yù)測值影響較大，較遠(yuǎn)的數(shù)據(jù)對(duì)預(yù)測值影響較小，所以較近的數(shù)據(jù)應(yīng)給與更大的權(quán)重。移動(dòng)平均預(yù)測模型對(duì)距預(yù)測值遠(yuǎn)近數(shù)據(jù)同等對(duì)待。該移動(dòng)平均模型對(duì)長期趨勢(shì)，循環(huán)波動(dòng)預(yù)測效果較好。.1指數(shù)平滑模型的預(yù)測流程指數(shù)平滑模型的預(yù)測質(zhì)量與平滑系數(shù)的合理選取緊密相關(guān)。平滑系數(shù)顯示了該模型隨整車銷售歷史數(shù)據(jù)變化的反應(yīng)靈敏性，又顯示了該模型修正誤差的能力。在實(shí)際操作中，平滑系數(shù)的選取遵循以下三個(gè)原則：1，如果汽車整車銷售歷史數(shù)據(jù)的長期趨勢(shì)發(fā)生變化不大，可選取不大的平滑系數(shù)。（0.05到0.2）2，如果汽車整車銷售歷史數(shù)據(jù)變化緩慢，選取比較小的平滑系數(shù)以反映銷售歷史數(shù)據(jù)隨時(shí)間的變化程度。（0.1到0.4）按有近及遠(yuǎn)的順序賦予緩慢變小的權(quán)值。3，如果汽車整車銷售歷史數(shù)據(jù)變化明顯，選取比較大的平滑系數(shù)~0.6）。.2實(shí)例分析下面對(duì)奧迪汽車06年整車銷售歷史數(shù)據(jù)做一次指數(shù)平滑和二次指數(shù)平滑。一次指數(shù)平滑表3.3根據(jù)指數(shù)平滑模型得到的、：取其中，為奧迪汽車05-09五年汽車銷售量的平均值。06年5月的一次指數(shù)平滑值為：（3.7）06年6月的一次指數(shù)平滑值為：（3.8）06年5月的二次指數(shù)平滑值（3.9）06年6月的二次指數(shù)平滑值（3.10）截距：斜率：所以，奧迪汽車銷量的長期趨勢(shì)預(yù)測模型是：預(yù)測07年，的汽車銷售量為：以下為回歸模型：因?yàn)榇蟊娖嚬?5-09年汽車銷量波動(dòng)較大，所以可以用06年的汽車銷量使用回歸模型來預(yù)測07年各月的汽車銷量。設(shè)，代表銷售量，代表影響銷售量的因素。a，b，c是回歸系數(shù)。表3.4根據(jù)回歸分析模型分析表：因?yàn)槭?為奇數(shù)，取0604年為0，間隔期為1，則：求解系數(shù)如下。建立預(yù)測應(yīng)用模型為：由以上公式，預(yù)測0608年的汽車銷量為：組合預(yù)測模型預(yù)測過程：1，確定權(quán)重若是汽車整車銷售量y的三個(gè)單一模型的預(yù)測值，那么，就是汽車整車銷售的一個(gè)組合預(yù)測模型。在這個(gè)組合預(yù)測模型中關(guān)鍵是確定三種單一預(yù)測模型的預(yù)測值在組合預(yù)測模型中的權(quán)重。權(quán)重有不同的獲得方法，主要思想還是取組合預(yù)測值誤差最小模型來作為組合模型，根據(jù)這個(gè)模型來取得三種單一預(yù)測方法的權(quán)重，根據(jù)權(quán)重來求預(yù)測值。本論文運(yùn)用等權(quán)法、正態(tài)分布法、擬合優(yōu)度法三種組合方法對(duì)三種單一的預(yù)測模型進(jìn)行權(quán)重組合。比較三種組合預(yù)測方法的誤差大小，比較出最優(yōu)的組合方法作為汽車整車銷售預(yù)測模型的組合預(yù)測模型。（1）等權(quán)分配所以，應(yīng)用等權(quán)組合模型預(yù)測出來的結(jié)果為：。(2)擬合優(yōu)度分配標(biāo)準(zhǔn)誤差為歷史值與影響銷售量的因素值間的平方和的平均值的平方根。假設(shè)三個(gè)單一預(yù)測值的誤差為，則預(yù)測值的標(biāo)準(zhǔn)誤差：由于被預(yù)測值是不知道的，所以三種單一預(yù)測值的誤差也都不知道，也不能按上式求出標(biāo)準(zhǔn)誤差。但是能計(jì)算算術(shù)平均值，所以使用算術(shù)平均值來計(jì)算，計(jì)算公式為：（3.11）根據(jù)上式，計(jì)算出三種單一預(yù)測模型的標(biāo)準(zhǔn)誤差分別為：根據(jù)擬合優(yōu)度預(yù)測模型計(jì)算權(quán)值得：于是：所以組合預(yù)測出來的結(jié)果為：(3)正態(tài)分布分配計(jì)算權(quán)值得：所以組合預(yù)測出來的結(jié)果為：。3.5評(píng)估組合預(yù)測模型準(zhǔn)確性在三種單一預(yù)測方法的基礎(chǔ)上，建立的組合預(yù)測模型，使用06、07年的歷史數(shù)據(jù)對(duì)08年整車銷售量的預(yù)測結(jié)果見表3.5：組合模型等權(quán)分配擬合優(yōu)度分配正態(tài)分布分配預(yù)測結(jié)果745974627616可以計(jì)算出這三種組合預(yù)測模型的標(biāo)準(zhǔn)誤差(見表3.6)：表3.6組合預(yù)測模型誤差估計(jì)結(jié)果：組合模型等權(quán)分配擬合優(yōu)度分配正態(tài)分布分配誤差估計(jì)通過上述說明可以發(fā)現(xiàn)：在對(duì)汽車生產(chǎn)制造商2008年汽車的月銷售量預(yù)測中，根據(jù)擬合優(yōu)度預(yù)測模型得出的權(quán)重分析，它構(gòu)建的組合預(yù)測模型是三種組合預(yù)測模型中精度比較好的一種預(yù)測模型。所以本論文研究采用擬合優(yōu)度預(yù)測模型作為汽車整車銷售組合預(yù)測模型。3.6RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測過程3.6.1數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立首先要解決的一個(gè)問題[43l，在汽車整車行業(yè)中可以把整車看作確定性非線性系統(tǒng)，也就是說內(nèi)部的預(yù)測機(jī)制是確定的，整車銷售的歷史數(shù)據(jù)和其它信息蘊(yùn)含著可用于預(yù)測未來的銷售量的信息。從預(yù)測上來說，存在一個(gè)函數(shù)（3.12）其中，e表示誤差的一部分的銷售預(yù)測值，其它表示內(nèi)部變量，也就是影響銷售預(yù)測值的內(nèi)部影響因素，所以預(yù)測的關(guān)鍵在于由汽車整車預(yù)測模型中的組合預(yù)測模型得出的結(jié)果和歷史整車銷售量的差值構(gòu)造或者用一種方法逼近這一個(gè)抽象函數(shù)。在本論文中通過采用以上公式的形式，對(duì)汽車整車銷售量建立一個(gè)n維輸入，1維輸出的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型。該模型通過銷售量歷史12個(gè)預(yù)測的銷售誤差數(shù)據(jù)，預(yù)測下一個(gè)月的銷售量的誤差數(shù)據(jù)，即針對(duì)已知的13個(gè)月銷售量誤差預(yù)測。針對(duì)已知的前十二個(gè)月銷售量的誤差值：，將這個(gè)值作為RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入，將e作為RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型在輸入的情況下的期望輸出。把銷售量誤差值組成一個(gè)時(shí)序序列，設(shè)這個(gè)誤差時(shí)序?yàn)椋?。那么我們可以這樣將其處理為RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的訓(xùn)練樣本集。3.6.2傳統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的網(wǎng)絡(luò)中心的學(xué)習(xí)算法只適合于靜態(tài)的離線學(xué)習(xí)算法，即常規(guī)算法有效的基礎(chǔ)是事先必須獲得所有可能的樣本數(shù)據(jù)，不能用于動(dòng)態(tài)輸入模型的在線學(xué)習(xí)算法，且在學(xué)習(xí)前輸入數(shù)據(jù)的中心個(gè)數(shù)(即RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型隱層單元個(gè)數(shù))要人為地確定。汽車整車銷售預(yù)測內(nèi)部結(jié)構(gòu)復(fù)雜，市場上對(duì)它的影響也比較大。同時(shí)，外部因素的多變性決定了對(duì)汽車銷售量誤差的預(yù)測的時(shí)變性很大，這樣銷售人員根據(jù)經(jīng)驗(yàn)為常規(guī)算法確定隱層單元個(gè)數(shù)等參數(shù)就比較困難，針對(duì)這種情況，本論文選擇RBF神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)的動(dòng)態(tài)自適應(yīng)聚類算法，該算法是一種在線適應(yīng)聚類學(xué)習(xí)算法，它不需要事先確定聚類數(shù)，并且完成聚類所得到的RBF網(wǎng)絡(luò)是最優(yōu)的。3.6.3根據(jù)以上分析設(shè)計(jì)和說明，本論文按照以下步驟構(gòu)造出一個(gè)用于計(jì)算汽車整車銷售量誤差的預(yù)測模型，即RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的四大步驟：第一步：對(duì)汽車整車銷售歷史數(shù)據(jù)與組合預(yù)測模型得出的預(yù)測值之間的差值處理。第二步：計(jì)算RBF網(wǎng)絡(luò)隱含層的中心值。第三步：計(jì)算RBF網(wǎng)絡(luò)輸出層的權(quán)值。第四步：最后得出誤差預(yù)測值。3.7模型分析這里選取的是大眾汽車公司的汽車整車預(yù)測模型中的組合預(yù)測模型得出的結(jié)果和歷史整車銷售量的差值進(jìn)行試驗(yàn)，用前兩年的數(shù)據(jù)作為銷售歷史數(shù)據(jù)，對(duì)后一年中的各個(gè)月份的銷售誤差值進(jìn)行預(yù)測。多次運(yùn)行使得最后綜合預(yù)測模型的預(yù)測值，也就是組合預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型得到的預(yù)測誤差值迭加和，得到比較好的擬合效果，在測試預(yù)測過程中發(fā)現(xiàn)該模型對(duì)于誤差的預(yù)測有很好的效果，目前該模型每次只有預(yù)測下一個(gè)月的預(yù)測量的誤差，在進(jìn)一步完善聚類算法的研究工作中可以在此基礎(chǔ)上進(jìn)行滾動(dòng)預(yù)測，即把下一個(gè)月預(yù)測的結(jié)果同歷史銷售量數(shù)據(jù)一起作為模型的輸入，預(yù)測未來第二，第三個(gè)月的銷量誤差值可提高效率和實(shí)用性汽車整車銷售預(yù)測模型研發(fā)本論文設(shè)計(jì)實(shí)現(xiàn)一個(gè)針對(duì)汽車整車銷售月預(yù)測的模型，直接目標(biāo)其原來的以手工操作為主的預(yù)測業(yè)務(wù)流程逐漸轉(zhuǎn)變?yōu)橐孕畔⒒癁橹鞯臉I(yè)務(wù)流程，使其能被大眾公司接受，提高整車銷售量預(yù)測質(zhì)量，同時(shí)模型系統(tǒng)具有良好的兼容性和可擴(kuò)展性?；诖四繕?biāo)及預(yù)測模型需求，本章對(duì)模型架構(gòu)，功能模塊進(jìn)行設(shè)計(jì)，并詳細(xì)闡述模型系統(tǒng)中預(yù)測輸出模塊，結(jié)果對(duì)比模塊的核心設(shè)計(jì)。4.1汽車整車預(yù)測模型設(shè)計(jì)思想銷售量預(yù)測模型系統(tǒng)在大量的往年的歷史數(shù)據(jù)的基礎(chǔ)上，把計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)技術(shù)、計(jì)算機(jī)數(shù)據(jù)庫技術(shù)、經(jīng)濟(jì)模型技術(shù)、人機(jī)交互技術(shù)等集成為一體。銷售量預(yù)測模型設(shè)計(jì)思想如下：1.根據(jù)時(shí)間序列模型分析原理，將歷史汽車整車銷售量的數(shù)據(jù)序列：(t=1,2,3,4…N,N表示序列的長度)分為線性部分和非線性部分。即模型為：其中：是t-1到t這段時(shí)間內(nèi)所要銷售預(yù)測的汽車數(shù)量。凡是銷售數(shù)據(jù)中線性部分的組合預(yù)測值，只是銷售數(shù)據(jù)中非線性部分的預(yù)測值，也就是殘差部分的預(yù)測。2、組合預(yù)測模型對(duì)汽車整車銷售量預(yù)測的線性部分進(jìn)行了預(yù)測，RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型對(duì)汽車整車銷售量預(yù)測的非線性部分進(jìn)行了預(yù)測，所以汽車銷售預(yù)測模型是一種綜合預(yù)測模型。3、組合預(yù)測模型采用定性預(yù)測與定量預(yù)測相結(jié)合的方法進(jìn)行預(yù)測。定性預(yù)測應(yīng)用德爾菲法預(yù)測模型，定量預(yù)測應(yīng)用三種單一預(yù)測模型，即移動(dòng)平均預(yù)測模型，回歸分析預(yù)測模型和指數(shù)平滑預(yù)測模型。4、為了達(dá)到較高的擬合度，公司高層需要憑借自己的經(jīng)驗(yàn)和判斷分析能力，不斷調(diào)整預(yù)測模型的輸入?yún)?shù)，比如移動(dòng)時(shí)距，平滑系數(shù)等。因?yàn)槠囋趯?shí)際銷售過程中存在諸多不確定性因素。4.2汽車整車預(yù)測模型總體框架先使用移動(dòng)平均預(yù)測模型，回歸分析預(yù)測模型和指數(shù)平滑預(yù)測模型三種單一模型對(duì)汽車歷史銷售數(shù)據(jù)序列進(jìn)行預(yù)測。再對(duì)這三種模型進(jìn)行權(quán)重分配，得到組合預(yù)測值。利用歷史數(shù)據(jù)與組合預(yù)測值之間的差值作為輸入，得到RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測值。將該預(yù)測值與組合預(yù)測值迭加得到綜合預(yù)測模型的預(yù)測值。對(duì)如果決策者不滿意，再進(jìn)行重新預(yù)測。直到滿意為止。最后得到最終預(yù)測值，預(yù)測值和原值較高的擬合程度。圖4.1汽車整車銷售模型圖4.3汽車整車銷售預(yù)測模型系統(tǒng)主要模塊實(shí)現(xiàn)汽車整車銷售預(yù)測模型系統(tǒng)由三大模塊組成。分別是整車銷售歷史數(shù)據(jù)輸入模塊、預(yù)測輸出模塊、預(yù)測結(jié)果擬合模塊。圖4.2綜合預(yù)測模型模塊圖1、數(shù)據(jù)輸入模塊由歷史數(shù)據(jù)輸入模塊和參數(shù)設(shè)定兩模塊組成。歷史數(shù)據(jù)輸入模塊里的起始時(shí)間對(duì)整個(gè)銷售預(yù)測模型非常重要。因?yàn)轭A(yù)測模型是以某一段歷史銷售數(shù)據(jù)時(shí)間序列為基礎(chǔ)建立的，而起始月份確定了這段序列的開端。參數(shù)設(shè)定模塊包括預(yù)測月份，移動(dòng)時(shí)距，平滑系數(shù)。知道了預(yù)測模型的起始時(shí)間和預(yù)測月份就確定了一段歷史銷售時(shí)間序列。這段時(shí)間序列數(shù)據(jù)是某經(jīng)銷地區(qū)歷史銷售數(shù)據(jù)的一部分。它是整個(gè)銷售預(yù)測模型的基礎(chǔ)。eyueexitongnlg類完成參數(shù)設(shè)定，CYueexitongDlg類中Initeombolist()函數(shù)實(shí)現(xiàn)選擇起始時(shí)間。onPaint()函數(shù)實(shí)現(xiàn)顯示原始數(shù)據(jù)2、預(yù)測輸出模塊顯示綜合預(yù)測值。它是整個(gè)模型的核心和關(guān)鍵，由線性部分輸入和非線性部分輸入兩部分組成。根據(jù)數(shù)據(jù)輸入模塊里的歷史銷售數(shù)據(jù)和設(shè)定參數(shù)，輸出預(yù)測值。先通過三種單一預(yù)測模型包括移動(dòng)平均模型，指數(shù)平滑模型和回歸分析模型輸出三個(gè)預(yù)測值。由三個(gè)模型預(yù)測值誤差所占比例確定三個(gè)模型在組合預(yù)測模型中的權(quán)重。從而得到組合預(yù)測模型的預(yù)測值，即線性部分的輸入。非線性部分輸入由RBF神經(jīng)網(wǎng)絡(luò)模型得到。最后將線性部分輸入和非線性部分輸入相加，得到綜合預(yù)測模型的預(yù)測值。這部分模塊用幾個(gè)類來實(shí)現(xiàn)，CCProdictResult類預(yù)測幾種預(yù)測模型，把幾種預(yù)測模型的計(jì)算封裝在一個(gè)CZuhemode類中，計(jì)算移動(dòng)平均預(yù)測模型、指數(shù)平滑預(yù)測模型、回歸分析預(yù)測模型、線性組合預(yù)測模型、綜合預(yù)測模型。cshowGraPhResaull類對(duì)比各種預(yù)測模型的原始數(shù)據(jù)和預(yù)測數(shù)據(jù)。CRadiaBasisNetwork類預(yù)測RBF神經(jīng)網(wǎng)絡(luò)模型。3、預(yù)測結(jié)果擬合模塊通過從預(yù)測輸出模塊得到的一列綜合預(yù)測模型預(yù)測值，對(duì)原始數(shù)據(jù)進(jìn)行擬合。CResultNIHe類實(shí)現(xiàn)對(duì)最后綜合模型的結(jié)果擬合。CCProdictResult類顯示原始數(shù)據(jù)。4.4汽車整車銷售預(yù)測模型的應(yīng)用軟件的實(shí)現(xiàn)數(shù)據(jù)輸入界面：數(shù)據(jù)輸入包括參數(shù)設(shè)定和原始數(shù)據(jù)選擇兩部分。從數(shù)據(jù)庫中選擇某一個(gè)地區(qū)的月銷售歷史數(shù)據(jù)，作為一個(gè)數(shù)據(jù)源。圖4.3銷售量預(yù)測數(shù)據(jù)模型選擇界面2)模型參數(shù)設(shè)定的界面如圖4.4所示，在界面的左上角的空白處輸入三個(gè)單一預(yù)測模型需要的參數(shù)。在界面右上角輸入起始銷售年份和起始銷售月份。根據(jù)移動(dòng)時(shí)距的數(shù)值，確定顯示的原始數(shù)據(jù)。圖4.4銷售量預(yù)測模型預(yù)測輸入界面單擊圖4.4銷售量預(yù)測模型數(shù)據(jù)輸入界面的顯示結(jié)果按鈕，彈出圖4.5銷售量預(yù)測模型數(shù)據(jù)輸出界面。再分別單擊上面的三個(gè)顯示按鈕，顯示三個(gè)單一預(yù)測模型的預(yù)測值。單擊權(quán)重分配按鈕，對(duì)這三個(gè)預(yù)測值進(jìn)行權(quán)重分配，得到線性組合模型的預(yù)測值和非線性組合模型的預(yù)測值。單擊下方的顯示按鈕，得到綜合預(yù)測模型預(yù)測值。圖4.5銷售量預(yù)測模型預(yù)測輸出界面輸出預(yù)測后臺(tái)處理：第一步：根據(jù)汽車整車歷史銷售數(shù)據(jù)和設(shè)定的參數(shù)，應(yīng)用移動(dòng)平均預(yù)測模型，指數(shù)平滑預(yù)測模型和回歸分析預(yù)測模型，得到三個(gè)預(yù)測值。并將這三個(gè)值與原始數(shù)據(jù)對(duì)比。第二步：根據(jù)這三個(gè)值與最末的銷售量進(jìn)行比較，得出三個(gè)值的權(quán)重系數(shù)，進(jìn)而得到線性組合預(yù)測模型的預(yù)測值。第三步：由RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型得到非線性部分的預(yù)測值。第四步：將線性組合模型的預(yù)測值和非線性組合模型的預(yù)測值相加得到綜合預(yù)測模型的預(yù)測值。4.5權(quán)值分配本論文的權(quán)重分配是按照擬合優(yōu)度預(yù)測模型得出的權(quán)重分析，根據(jù)三個(gè)不同的單一的預(yù)測模型的預(yù)測值作為組合預(yù)測模型的三個(gè)參數(shù)值，根據(jù)圖4.6的比例對(duì)三個(gè)不同的預(yù)測值進(jìn)行分配，確定權(quán)重系數(shù)，最后根據(jù)組合預(yù)測模型得出線性部分的值。4.6預(yù)測結(jié)果擬合模塊設(shè)計(jì)預(yù)測結(jié)果擬合界面包括汽車整車銷售歷史數(shù)據(jù)界面和預(yù)測結(jié)果擬合圖表界面。此模塊主要是對(duì)根據(jù)前面的預(yù)測輸出中汽車整車銷售歷史銷售量的綜合預(yù)測值，由此建立一個(gè)綜合預(yù)測模型，以后的每年中的每一個(gè)月的銷售量的預(yù)測都可以按照這個(gè)預(yù)測模型進(jìn)行擬合。圖3.6是顯示沒有經(jīng)過綜合預(yù)測模型預(yù)測的歷史數(shù)據(jù)，從這個(gè)數(shù)據(jù)顯示圖上可以看出汽車整車銷售歷史銷售量是一個(gè)非線性的歷史銷售數(shù)據(jù)，雖然是非線性的數(shù)據(jù)，但是從整個(gè)數(shù)據(jù)來看發(fā)現(xiàn)其中有一個(gè)長期趨勢(shì)。圖4.6擬合之前的原始數(shù)據(jù)顯示界面圖4.7顯示的是一個(gè)結(jié)果擬合效果圖，可以從這個(gè)結(jié)果擬合效果圖中發(fā)現(xiàn)擬合效果比較好，一條線表示歷史銷售數(shù)據(jù)，一條線表示通過綜合預(yù)測模型得出的預(yù)測值。這個(gè)擬合在一定程度上模擬了汽車整車銷售的變化趨勢(shì)，因?yàn)樵陬A(yù)測算法的選擇上有一定的差異，所以可以看出還是有一定的誤差。圖4.7結(jié)果擬合界面重新預(yù)測是一種預(yù)測比較方法。它用一線銷售人員根據(jù)自己經(jīng)驗(yàn)的定性預(yù)測方法得出的預(yù)測值與通過模型預(yù)測的結(jié)果進(jìn)行比較，更精確得出預(yù)測值的方法。4.7測試環(huán)境4硬件環(huán)境電腦的硬件配置主要由開發(fā)軟件決定的。本汽車整車銷售預(yù)測軟件不需要很高的配置。配置低的情況下，軟件可以正常運(yùn)行。但配置如果高的話，軟件運(yùn)行更好。下面為系統(tǒng)開發(fā)的硬件環(huán)境：CPU：Pentium11以上：硬盤空間：600M顯卡：支持DirectX顯卡內(nèi)存：128MB4軟件環(huán)境操作系統(tǒng)：WindowsXP開發(fā)環(huán)境：MierosoftVisuale++6.0及SQLServe20os4測試步驟對(duì)本汽車預(yù)測模型測試步驟如下：在銷售預(yù)測參數(shù)設(shè)定界面上填寫預(yù)測月份數(shù)、移動(dòng)時(shí)距、平滑系數(shù)、選中起始原始時(shí)間。點(diǎn)擊數(shù)據(jù)參數(shù)設(shè)定的確定按鈕，開始搜集預(yù)測時(shí)需要的歷史數(shù)據(jù)。以不同預(yù)測月份數(shù)、移動(dòng)時(shí)距、平滑系數(shù)、起始時(shí)間來計(jì)算最后的預(yù)測結(jié)果，查看組合預(yù)測模型預(yù)測值，和原始的銷售數(shù)據(jù)的擬合程度。根據(jù)組合預(yù)測模型的預(yù)測值計(jì)算出綜合預(yù)測值，測試擬合程度點(diǎn)擊重新預(yù)測按鈕，重新輸入預(yù)測月份數(shù)、移動(dòng)時(shí)距、平滑系數(shù)、起始時(shí)間。點(diǎn)擊退出按鈕，退出整個(gè)模型的預(yù)測。這說明在預(yù)測月份數(shù)的選擇上一定要保持一定量的歷史數(shù)據(jù)，才能預(yù)測出值。移動(dòng)時(shí)距參數(shù)設(shè)置低于O移動(dòng)時(shí)距是消除偶然因素對(duì)時(shí)間序列的影響，所以在移動(dòng)平均模型中移動(dòng)時(shí)距不能為O的，如果為O，預(yù)測模型為出現(xiàn)提示平滑系數(shù)參數(shù)設(shè)置低于O。指數(shù)平滑法中的平滑設(shè)置一種非統(tǒng)計(jì)性的預(yù)測設(shè)置，其依據(jù)的基本原則是：“厚今薄古”，即越靠近當(dāng)前的歷史數(shù)據(jù)對(duì)當(dāng)前的預(yù)測數(shù)據(jù)影響愈大，所以分配的權(quán)值就越大。如果設(shè)置的平滑系數(shù)為O使，這種權(quán)重分配就沒有意義，也就是給每一個(gè)原始數(shù)據(jù)同等的權(quán)值。所以預(yù)測模型會(huì)出現(xiàn)提示預(yù)測月份數(shù)小于移動(dòng)時(shí)距如果預(yù)測月份數(shù)小于移動(dòng)時(shí)距，說明所采集的歷史數(shù)據(jù)不能夠給移動(dòng)平均法，和指數(shù)平滑足夠的數(shù)據(jù)進(jìn)行趨勢(shì)預(yù)測，所以如果預(yù)測月份數(shù)小于移動(dòng)時(shí)距預(yù)測模型會(huì)提示退出預(yù)測模型。結(jié)論本文分析了汽車整車銷售預(yù)測模型的需求和特點(diǎn)，通過對(duì)原始預(yù)測數(shù)據(jù)的移動(dòng)平均法，指數(shù)平滑法，回歸分析預(yù)測法等預(yù)測技術(shù)的深入研究，采用移動(dòng)平均法，指數(shù)平滑法，回歸分析預(yù)測法三個(gè)單一的預(yù)測模型來構(gòu)建成一個(gè)組合預(yù)測模型，基于整車銷售歷史數(shù)據(jù)可以分成線性和非線性兩個(gè)部分，設(shè)計(jì)組預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型相結(jié)合的綜合預(yù)測模型，完成了對(duì)汽車整車的未來銷售量的預(yù)測的模型開發(fā)工作，并在2006年到2008年的銷售量內(nèi)對(duì)預(yù)測模型進(jìn)行了測試，該模型可廣泛用于汽車銷售的各種因素的預(yù)測應(yīng)用中。本文主要完成的工作如下：（1）采用三種單一的預(yù)測算法來分別預(yù)測銷售量，對(duì)其中移動(dòng)平均算法，指數(shù)平滑法，回歸分析預(yù)測法的算法流程進(jìn)行分析，結(jié)合開源代碼進(jìn)行封裝，將其添加到系統(tǒng)框架中完成預(yù)測模型的單一預(yù)測功能。（2）基于對(duì)組合預(yù)測模型方式的分析，對(duì)組合預(yù)測模型的組合方式選擇，對(duì)它的權(quán)值的確定進(jìn)行分析，對(duì)組合預(yù)測模型設(shè)計(jì)與開發(fā)，（3）對(duì)三種預(yù)測方法的優(yōu)點(diǎn)和缺點(diǎn)進(jìn)行了組合預(yù)測模型的預(yù)測設(shè)計(jì)，使得能夠?qū)θN預(yù)測方法取長補(bǔ)短。其中對(duì)組合預(yù)測模型的選擇進(jìn)行了詳細(xì)的描述。（4）本文在搭建汽車整車銷售預(yù)測模型前，深入分析整車銷售時(shí)間序列數(shù)據(jù)的特點(diǎn)，給出了線性性和非線性特點(diǎn)，基于這種特點(diǎn)設(shè)計(jì)組合預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立了完整的銷售預(yù)測模型，實(shí)現(xiàn)了對(duì)整車歷史數(shù)據(jù)以后的時(shí)間間隔的銷售量的預(yù)測。2.汽車整車銷售預(yù)測模型前景該模型具有廣闊的發(fā)展前景。其汽車整車銷售預(yù)測模型軟件可重用性強(qiáng)，主要預(yù)測以模塊的形式存在，進(jìn)行升級(jí)時(shí)只需要更新模塊，避免整個(gè)汽車整車預(yù)測模型代碼的更新。但是隨著以后研究的