随着国民经济的发展,人民生活水平的不断提高,轿车消费已经成为人们关注的热点之一。从汽车工业发展的历史可以看出,轿车进入家庭是汽车工业普及的关键。同时这又使得轿车成为我国启动经济拉动内需的一个重要手段。因此,对未来轿车市场的需求量进行一些探讨是十分必要的。 预测是很难的,特别是一些重要事件的预测。目前,预测方法多达200多种,广泛使用的有30多种,经常使用的有十几种。而且随着时间的推进这个数据还在不断加大。近几十年来,随着科学技术和生产的迅速发展,轿车市场的产业结构和市场都发生了巨大的变化。各相关因素对轿车市场需求量的影响并不是简单的线性关系,而存在着复杂的非线性关系。近年来,在传统的预测方法在解决这些问题时,都遇到了比以往更大的困难,使得预测结果并不理想。为了得到更加理想的预测结果,在轿车市场需求量预测中,不断的尝试运用新的科学理论、技术对其进行更为合理的预测。神经网络方法是近年来新兴起的一门科学,随着计算机技术的发展,其应用已经十分广泛。在预测方面,神经网络方法还处在探索和实践阶段,通过对神经网络方法的研究发现,径向基(RBF)网络有着良好的预测性能。 本文首先用传统的预测方法进行预测研究,并分析预测结果产生误差的原因,找出各影响因素与轿车市场需求量间存在的复杂的非线性关系。然后利用等维向量的思想改进RBF网络并进行预测。通过对传统预测方法、RBF网络模型的比较发现,RBF网络可以很好地解决传统方法中许多难于解决的问题。其利用人工智能的原理通过多层信息传递,建立因变量与自变量复杂相关关系,使其在解决复杂问题时相比传统方法有着先天的优势。因此,对未来轿车市场需求量的预测,RBF网络的预测结果更加准确、可靠。