A市乘用车零售量预测.docx

摘要:本文就盐城2012年1月至2017年10月的汽车销售数据进行分析。首先根据实际要求对原数据进行数据清洗、分组整合等处理，针对个别汽车特征进行探索性数据分析，并把分析结果进行可视化处理，能大概得出汽车销量的部分规律。随后，建立了RBF神经网络和LSTM两个预测模型，并通过组合预测技术对盐城未来数月各类型的汽车的销量进行预测。

其中RBF神经网络对于历史数据具有近乎完美的拟合效果，但出现了过拟合的问题。而LSTM基于历史数据的拟合能力一般，但泛化能力比RBF神经网络要好。最后通过模型拟合，对两个模型的预测结果进行加权相加，通过寻找合适的权重系数，预测结果显示组合预测的准确度比单一运用一个模型去预测得好。

关键词：汽车销量预测；RBF；LSTM；神经网络

目录

摘要

Abstract

1.前言-7

1.1 研究背景-7

1.2 研究意义-7

1.3 国内外相关研究状况综述-7

1.4 本文的特色与创新-8

1.5 本文的主要内容-9

2. 汽车销售探索性数据分析-9

2.1 数据说明-9

2.2 数据清洗与整理-11

2.3 特征分析-11

3. 模型说明-16

3.1 径向基（RBF）神经网络-16

3.2  长短期记忆网络（LSTM）-17

4. 模型在汽车销量上的预测分析-20

4.1 RBF神经网络在汽车销售上的预测-20

4.2 LSTM在汽车销售上的预测-21

4.3 组合模型在汽车销售上的预测-22

5.总结与展望-23

5.1 测试环境-23

5.2 模型评价-23

5.3 研究展望-24

参考文献-25

附录-26

致谢-33