关键词：新能源汽车;主成分分析;广义回归神经网络;销售量预测
摘 要：为预测新能源汽车的月度销售量，提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA-GRNN模型.首先，选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子；其次，利用主成分分析方法得到可代表6个影响因子的2个主成分，并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型；最后，将2020—2022年间27个月度的统计数据分别输入到PCA-GRNN、PCA-BP和PCA-Elman模型中进行预测.结果显示，PCA-GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA-BP模型和PCA-Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA-GRNN模型在预测新能源汽车销售量方面具有一定的实用性.
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