中国的新能源电动汽车产业虽已具备一定的先发优势,但是行业竞争激烈,市场的消费走势复杂多变。传统的销量预测多基于宏观经济数据,在预测方法上也多采用时间序列模型或线性预测模型,由此得到的预测结果精度较低。而网络搜索数据在社会和经济领域的广泛应用为电动汽车销量预测研究提供了新思路。本文以比亚迪唐电动汽车为例,依循系统科学的关键词选取流程,采用两种不同的特征筛选方法建立两组网络关键词特征子集,用于比亚迪唐月销量单一预测模型和组合预测模型的研究。研究结果表明基于网络搜索数据建立的RFE-LASSO＿GBRT组合模型在预测性能上表现最优,可以为其他类似车型的销量预测提供借鉴。本文的主要研究内容和结论如下:1、网络搜索数据和电动汽车销量关联性理论框架的搭建。本文将经典消费者购买决策理论与消费者网络信息检索行为结合,共同说明了网络搜索数据是消费者购买意向的量化表现。网络搜索数据与电动汽车销量存在相关性。然后基于此搭建网络搜索指数与电动汽车销量的关联性框架,为后文选取相关关键词提供理论支撑。2、比亚迪唐对应网络搜索关键词库的构建。本文基于理论框架,按照关键词选取、关键词拓展和关键词筛选的步骤构建比亚迪唐汽车对应的关键词库。在关键词筛选环节本文采用了时差相关分析法和机器学习中的递归特征消除算法,并将筛选后的两组不同的关键词特征子集用于后续预测研究。实证研究表明,基于递归特征消除算法的关键词特征子集在预测模型上具有更良好的性能。3、比亚迪唐电动汽车销量预测研究。本文共建立了四种单一预测模型与一种组合预测模型。对比各个预测模型性能发现:以网络搜索指数为解释变量可以显著提高电动汽车销量的预测精度。其中组合预测模型LASSO＿GBRT拟合网络搜索数据中影响电动汽车销量的线性因素和非线性因素具有最高的预测精度。