关键词：支持向量回归;集成学习;新能源汽车;居民可支配收入;公共充电桩数量
摘 要：新能源汽车的普及,有利于减少大气污染,提高空气质量。但与新能源汽车相配套的公共充电基础设施、维修服务等问题却阻碍了新能源汽车销量的增长。因此,预测我国新能源汽车销量以完善相关配套措施、促进新能源汽车产业的发展就显得尤为重要。针对新能源汽车产业属于新兴产业,其相关历史数据较少,且销量变动较大以及影响其销量的因素存在非线性关系的特点,本文利用鲁棒性强的支持向量回归,以及具有较强的抗噪声能力的Bagging集成学习方法,对我国新能源汽车的销量进行预测和分析。首先,选取影响消费者购买意愿的公共充电桩数量和决定消费者购买能力的居民可支配收入作为模型的自变量,并收集相关数据;其次,从原始样本中随机抽取样本量为20的5个相互独立的样本集,并使用6个训练数据对这5个样本集进行训练,得到5个支持向量回归模型;然后,平均5个模型的结果,减少模型噪声,优化最终预测效果;最后,分析所得的预测新能源汽车销量模型的准确性及不足之处。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取