论文部分内容阅读
汽车产业是我国制造业中重要产业之一,与其他产业关联程度很高,可以带动相关产业的升级。加入世界贸易组织后,我国汽车工业面临着前所未有的挑战,市场的竞争日益激烈,把握市场动态和趋势,成为汽车制造企业获得竞争优势的关键环节之一。销售量预测是汽车制造企业生产、物流、营销等部门进行生产计划与控制的数据基础,提高销售量预测质量对汽车制造企业具有重要现实意义。论文针对现有预测方法并未考虑汽车销售预测流程的特点、区域市场及其车辆款型的分布,对汽车制造企业制定生产计划缺乏指导意义；现有预测方法并未考虑影响因素变化和选择对销售量预测质量的影响,预测效果可信度令人质疑等问题,尝试研究一种适用于区域汽车市场特征、具有完整逻辑性及整合性的、新的预测方法,即以弥补以往预测方法的上述不足。论文将回归分析方法与模糊神经网络理论相结合,提出基于自适应模糊神经推理系统(ANFIS)的区域汽车市场销售量预测模型。该模型在充分甄别汽车销售量影响因素的前提下,针对区域市场和车型特点,建立了一个包含五类14个影响因素的销售量预测模型,诸如GDP、CPI、油价、汽车交易价格、销售线索和广告投入等。在把上述因素量化的基础上,通过主成分分析和偏最小二乘回归方法提取出对区域汽车市场影响较大的若干因素,作为ANFIS的输入变量,建立基于ANFIS的区域市场汽车销售量预测模型,通过模糊神经网络的识别、分析和运算,获得销售量最终预测值。最后,结合实例,论文将基于ANFIS的预测模型与差分自回归移动平均模型(ARIMA)和时间序列分解模型进行预测效果比较分析,以平均绝对误差百分比(MAPE)作为预测结果准确性的评估指标。结果表明,考虑了影响因素变化和选择的ANFIS预测模型比另外两个模型的预测精度高,特别在油价上涨、税费改革等新的市场环境特征下具有更好的拟合效果。该预测方法对有针对性地改进现有的汽车制造企业的销售预测流程和制定适应区域市场特征的销售策略提供了参考依据。