数学建模汽车销量预测

汽车销量预测

摘要

汽车工业在我国已有50 多年的发展历史, 而汽车产业真正得到快速发展是从上世纪90 年代开始的。现在汽车工业在我国经济中已占有很重要的地位。预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。我们通过网络搜索相关数据，然后运用线性回归及灰色预测对汽车销量进行数学建模分析预测，然后再对模型进行评估修改。

关键词：汽车销量线性回归灰色预测

一．问题重述

1.问题背景

近年来，随着国民经济和社会的进一步发展，汽车工业也逐步成为中国的支柱性产业之一，汽车市场表现出产销两旺的发展态势。而汽车市场是汽车工业的晴雨表，预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者而言，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。

2.需要解决的问题

问题一：影响汽车销量的因素有哪些

问题二：通过数据建立数学模型并进行预测。

问题三：验证并修改数学模型。

二．问题分析

一．对问题一的分析

在这里我门选取了汽车产量、公路长度、城镇居民收入、GDP这样一些因素来考虑，当然影响汽车销售的因素远不止如此石油价格上涨，银行存款利率等都会对汽车销量有影响。并且这些因素也是相互影响的。这里为了简单考虑我们把每一个因素单独列出来，研究其余汽车销量的关系。我们通过互联网搜索获得以下数据：

二．对问题二的分析

对于问题二我们有两种思路，第一个是通过问题一得到的相关数据及结论运用线性回归的知识建立数学模型。但是通过线性回归得到的方程却还不够，因为线性方程故事汽车销量需要知道汽车产量、公路长度、GDP 这样一些数据，但我们不知到以后的汽车产量、公路长度、GDP 。这里吗有许多不确定因素所以我们采用灰色预测的方法来预测汽车销量。

三、模型假设与约定

国家经济处于一种正常平稳的发展趋势，不能有类似于08年的金融危机。

四、模型建立

模型一：各个因素对汽车销量的影响 年份 2004 2005 2006

2007 2008 2009 2010 汽

车销量

507

576 722

879 938 1364 1806 增

长率

16% 14% 25%

22%

7%

46%

%

年份

2

003

2

004

2

005

2

006

2

007

2

008

2

009

2

010

GD

P(百

亿)

GD

P增长

率

%%%%%%%

年份200

4

200

5

200

6

2007

200

8

200

9

汽车

增长率

16%14%25%22%7%46% GDP

增长率

%%%%%%

年份20052006200720082009

20

10

GDP (百亿)

公路里程39 5

汽车销量5767228799381364

18

06

由以上的图表可以看出，汽车的增长量和GDP增长成指数相关，和公路里程数指数性相切合，和人均支配资金数成指数关系，所以我们假设：车辆销量为Y,GDP为x1，公路里程数为x2,人均支配金额为x3.存在Y=a+b*Inx1+c*Inx2+d*Inx3

模型二：灰色预测法预测汽车销量

1.选取的数据时从04年至10年的汽车销量,时间序列初始值为： 设原始数列

为

)]7(,),2(),1([)0()0()0()0(x x x x ==[507,577,722,879,934,1364,1807]

2.生成累加序列

把数列各项（时刻）数据依次累加的过程称为累加生成过程。令

,,,2,1,)()(1)0()

1(n k i x k x k

i ==∑=

称所得到的新数列)](,),2(),1([)1()1()1()1(n x x x x =为数列)0(x 的1次累加生成数列。有

)1(x =[507,1064,1786,2665,3599,4963,6670] 3.计算级比

级比：.,,3,2,)

()1()()1()1(n k k x k x k =-=σ

)2(σ= )3(σ= )4(σ= )5(σ= )6(σ= )7(σ=

如果所有的级比都落在可容覆盖区间

),(1

21

2++-=n n e

e

X 内，则数据列

)0(x 可以建立GM(1,1)模型且可以进行灰色预测。

4.建立GM （）模型

u t ax dt

=+)()1(

解为

.))1(()()1()

0()

1(a

u

e a u x t x t a +-=--

五、模型求解

模型一的求解：

由mathmatic 软件运行可知：

In[1]:=A={{Log[],Log[],Log[]},{Log[],Log[],Log[]},{Log[],Log[],Lo g[]}}

Out[1]:={{,,},{,,},{,,}} In[2]:=b={576,879,1364} Out[2]:={576,879,1364} In[3]:=LinearSolve[A,b] Out[3]:={,,} 及得到公式 Y=***x3

模型二求解 建立GM （）模型