数据特征驱动的新能源汽车月度销量二次分解集成预测

作     者：王方 赵桉坤 余乐安 

作者机构：西安电子科技大学经济与管理学院 滨州魏桥国科高等技术研究院 四川大学商学院 

出 版 物：《中国管理科学》 (Chinese Journal of Management Science)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 0202[经济学-应用经济学] 02[经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目资助(72001165 72331007) 西安市科技计划项目软科学研究重点项目(23RKYJ0006) 陕西省创新能力支撑计划资助项目(2022SR5016) 滨州魏桥国科高等技术研究院“产学合作协同育人”项目(BINTECH-KJZX-20220831-67) 

主　　题：新能源汽车 集合经验模态分解 多步预测 二次分解集成方法 

摘      要：针对新能源汽车月度销量时序数据具有的趋势性、季节性、复杂性等数据特征混叠的问题，基于“分解-集成的建模思想，构建了新能源汽车月度销量预测的二次分解集成框架。首先，通过集合经验模态分解算法将原始序列分解，提取出趋势性数据特征。然后，采用STL（Seasonal and Trend decomposition using Loess）算法从去趋势项序列中提取季节项及残差项。在此基础上，分别使用Logistic回归、差分自回归移动平均模型和深度极限学习机模型对趋势项、季节项以及残差项进行预测。最后，将各分项的预测值，通过线性加权集成的方法得到最终的预测结果。基于我国新能源汽车销量数据的实证分析表明，提出的二次分解集成模型在3步、6步和12步的预测中的平均绝对百分比误差分别为5.80%、6.10%和7.34%，较基准模型均下降了15%以上，预测建模效果提升显著。