第22卷第2期2023年2月Vol.22No.2Feb.2023软件导刊SoftwareGuide基于组合模型的新能源汽车销量预测方法王欢，李民，焦宇，余开朝（昆明理工大学机电工程学院，云南昆明650500）摘要：在汽车行业，企业需要对汽车的销量进行准确预测，以制定科学合理的生产计划。为此，以新能源汽车为例，利用历史销量数据构建基于传统时间序列理论的ARIMA预测模型和基于深度学习的LSTM预测模型，并利用Stacking方法对以上两种模型进行集成。实验结果表明，组合模型的平均绝对百分比误差为3.65%，相较于ARIMA（0，1，1）模型和LSTM模型分别降低2.57%和1.86%。该方法可为新能源汽车生产计划提供数据参考，并适用于其他类型汽车。关键词：新能源汽车；销量预测；组合预测模型DOI：10.11907/rjdk.221269开放科学（资源服务）标识码（OSID）：中图分类号：TP311文献标识码：A文章编号：1672-7800（2023）002-0136-06NewEnergyVehicleSalesForecastingMethodBasedonCombinationModelWANGHuan，LIMin，JIAOYu，YUKai-chao（SchoolofMechanicalandElectricalEngineering，KunmingUniversityofScienceandTechnology，Kunming650500，China）Abstract：Inviewoftheproblemthatenterprisesneedtoaccuratelypredictthesalesvolumeofvehiclesinordertoformulateascientificandreasonableproductionplanintheautomotiveindustry，takingnewenergyvehiclesasanexample，usingthehistoricalsalesvolumedatatobuildaARIMApredictionmodelbasedontraditionaltimeseriestheoryandanLSTMpredictionmodelbasedondeeplearning，andusestheStackingmethodtointegratetheabovetwomodels.Theexperimentalresultsshowthattheaverageabsolutepercentageerrorofthecombinedmodelis3.65%，reducedby2.57%and1.86%respectively，comparedwithARIMA（0，1，1）modelandLSTMmodel.Thismethodcanprovidedatareferencefortheproductionplanofnewenergyvehicles，andisapplicabletoothertypeofcar.KeyWords：newenergyvehicles；salesforecast；combinedforecastingmodel0引言传统汽车虽然便于人们出行，但带来了严重的环境污染和能源消耗。新能源汽车在保护环境、降低能耗、减少碳排放等方面优势明显，随着人们环保意识日益提高，国家对新能源汽车的补贴政策，使得新能源汽车销量剧增。为此，制定科学、合理的新能源汽车生产计划和营销策略至关重要。本文基于数据挖掘技术，结合新能源汽车历史销量数据...
