关键词：新能源汽车;PSO算法;PSO-BP神经网络;销量预测模型
摘 要：为有效避免新能源汽车销量产销不平衡问题，通过粒子群优化算法(particle swarm optimization, PSO)优化反向传播(back propagation, BP)网络的参数迭代过程，弥补优化原本BP神经网络易陷入局部最优和收敛速度较慢的缺陷，构建了基于PSO-BP神经网络的新能源汽车销量预测模型，以比亚迪为例进行指数平滑法预测、BP和PSO-BP神经网络预测。结果表明BP神经网络模型相比于指数平滑模型在均方误差(mean square error, MSE)、平均绝对值误差(mean absolute error, MAE)和平均绝对百分比误差(mean absolute percentage error, MAPE)指标上预测性能优势显著，经过粒子群算法优化后的BP神经网络模型的MSE下降近7×10～7,MAE下降3 346,MAPE下降1.71%。可见基于PSO-BP神经网络的新能源汽车销量预测模型优于指数平滑模型和BP神经网络模型，粒子群优化的BP神经网络能够使模型跳出局部最优，加快收敛速度，预测结果的误差率更低，精度更高，且对企业的计划和生产具有指导作用。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取