基于卷积神经网络的汽车销量预测模型
Computer Science（2021）
摘要
传统使用网络搜索数据进行销量预测时多通过人工选取关键词,难以充分考虑所有关键词的搜索量信息.通过使用卷积神经网络提取数据特征,能够解决传统预测方法存在的关键词合成问题.文章首次将深度学习理念引入汽车销量预测领域,首先通过网络爬虫方式获取汽车相关的关键词与网络搜索量,然后根据网络搜索量数据和销量数据的特点设计一种基于卷积神经网络的汽车销量预测模型,并对2019年上半年大众汽车销量做出预测.实验结果显示,与RBF模型、ARIMA模型、ARIMA+RBF混合模型对比,卷积神经网络的预测精度更高,大众品牌的预测精度达到89.51％.由于春节以及新政策出台的影响,2月份为预测误差最大的月份;随着市场的回暖,3月份为预测精度最高的月份.该预测方法为销量预测领域的研究提供了一种新思路.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要