关键词：新能源汽车;集合经验模态分解;多步预测;二次分解集成方法
摘 要：针对新能源汽车月度销量时序数据具有的趋势性、季节性、复杂性等数据特征混叠的问题，基于“分解-集成”的建模思想，构建了新能源汽车月度销量预测的二次分解集成框架。首先，通过集合经验模态分解算法将原始序列分解，提取出趋势性数据特征。然后，采用STL（Seasonal and Trend decomposition using Loess）算法从去趋势项序列中提取季节项及残差项。在此基础上，分别使用Logistic回归、差分自回归移动平均模型和深度极限学习机模型对趋势项、季节项以及残差项进行预测。最后，将各分项的预测值，通过线性加权集成的方法得到最终的预测结果。基于我国新能源汽车销量数据的实证分析表明，提出的二次分解集成模型在3步、6步和12步的预测中的平均绝对百分比误差分别为5.80%、6.10%和7.34%，较基准模型均下降了15%以上，预测建模效果提升显著。
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