| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究目的及意义 | 第16-17页 |
| 1.2.1 理论研究目的及意义 | 第16-17页 |
| 1.2.2 现实研究目的及意义 | 第17页 |
| 1.3 国内外研究现状综述 | 第17-19页 |
| 1.3.1 销量预测研究现状 | 第17-18页 |
| 1.3.2 汽车销量预测研究现状 | 第18-19页 |
| 1.4 研究目标和方法 | 第19-20页 |
| 1.4.1 研究目标 | 第19页 |
| 1.4.2 研究方法 | 第19-20页 |
| 1.5 研究思路及文章结构 | 第20-22页 |
| 1.5.1 研究思路 | 第20页 |
| 1.5.2 文章结构 | 第20-22页 |
| 第二章 相关理论基础及方法 | 第22-31页 |
| 2.1 销量预测方法 | 第22-24页 |
| 2.1.1 定性分析预测法 | 第22页 |
| 2.1.2 回归分析预测法 | 第22-23页 |
| 2.1.3 传统统计学时间序列分析预测法 | 第23-24页 |
| 2.1.4 机器学习时间序列分析预测法 | 第24页 |
| 2.2 时间序列分析模型 | 第24-28页 |
| 2.2.1 自回归模型 | 第25页 |
| 2.2.2 移动平均模型 | 第25页 |
| 2.2.3 自回归移动平均模型 | 第25-26页 |
| 2.2.4 神经网络模型 | 第26-28页 |
| 2.3 数据预处理 | 第28-29页 |
| 2.4 预测模型的评价 | 第29-31页 |
| 第三章 基于自回归分步滞后时序分析的汽车销量预测模型 | 第31-51页 |
| 3.1 引言 | 第31-32页 |
| 3.2 理论基础 | 第32-33页 |
| 3.2.1 在线评论情感分析 | 第32页 |
| 3.2.2 自回归分布滞后模型 | 第32-33页 |
| 3.2.3 分布式计算 | 第33页 |
| 3.3 模型构建 | 第33-36页 |
| 3.3.1 前期销量的影响 | 第33-34页 |
| 3.3.2 历史同期销量的影响 | 第34-35页 |
| 3.3.3 在线口碑评论中情感因素的影响 | 第35-36页 |
| 3.4 数据与变量 | 第36-43页 |
| 3.4.1 销量数据 | 第36页 |
| 3.4.2 在线口碑评论情感数据 | 第36-43页 |
| 3.5 实验验证 | 第43-50页 |
| 3.5.1 实验流程 | 第43页 |
| 3.5.2 实验结果与分析 | 第43-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于神经网络时序分析的智能汽车销量预测模型 | 第51-62页 |
| 4.1 引言 | 第51-52页 |
| 4.2 多因素智能销量预测模型 | 第52-58页 |
| 4.2.1 数据准备和预处理 | 第53-54页 |
| 4.2.2 变量选择 | 第54-55页 |
| 4.2.3 多因素智能预测器 | 第55-58页 |
| 4.3 实验验证 | 第58-60页 |
| 4.3.1 实验流程 | 第58-59页 |
| 4.3.2 实验结果与分析 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 主要结论 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-69页 |