摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景与意义 | 第10-11页 |
1.2 国内外同类研究综述 | 第11-15页 |
1.2.1 销售预测技术研究综述 | 第11-12页 |
1.2.2 汽车销售量预测研究综述 | 第12-13页 |
1.2.3 ANFIS模型应用研究综述 | 第13-15页 |
1.3 研究内容和研究思路 | 第15-18页 |
1.3.1 研究内容 | 第15-16页 |
1.3.2 研究思路 | 第16-18页 |
第2章 销售预测基础理论与方法 | 第18-32页 |
2.1 销售预测方法 | 第18-24页 |
2.1.1 定性预测方法 | 第18-19页 |
2.1.2 定量预测方法 | 第19-20页 |
2.1.3 预测方法选择 | 第20-21页 |
2.1.4 预测方法总结 | 第21-24页 |
2.2 销售线索及其作用 | 第24-27页 |
2.2.1 销售线索的定义和作用 | 第24-25页 |
2.2.2 销售线索的来源 | 第25-26页 |
2.2.3 销售线索与销售量的关系 | 第26-27页 |
2.3 模糊神经网络理论 | 第27-30页 |
2.3.1 基本概念 | 第27页 |
2.3.2 模型结构 | 第27-29页 |
2.3.3 与神经网络异同点 | 第29-30页 |
2.4 本章小结 | 第30-32页 |
第3章 当前汽车销售预测流程及影响因素 | 第32-42页 |
3.1 当前整车厂的汽车销售预测 | 第32-35页 |
3.1.1 预测过程 | 第32-33页 |
3.1.2 数据基础 | 第33页 |
3.1.3 预测结果的使用 | 第33-34页 |
3.1.4 预测方法的运用 | 第34-35页 |
3.2 汽车销售预测影响因素分析 | 第35-37页 |
3.2.1 国内生产总值 | 第35页 |
3.2.2 居民收入 | 第35-36页 |
3.2.3 价格 | 第36页 |
3.2.4 消费者心理 | 第36页 |
3.2.5 消费环境 | 第36-37页 |
3.3 汽车销售量预测模型 | 第37-40页 |
3.3.1 时间序列分解模型(Time-series Decomposition) | 第37-39页 |
3.3.2 差分自回归移动平均模型(ARIMA) | 第39-40页 |
3.4 本章小结 | 第40-42页 |
第4章 基于ANFIS的汽车销售量预测模型 | 第42-54页 |
4.1 预测模型概述 | 第42页 |
4.2 变量选择 | 第42-46页 |
4.2.1 输入变量说明 | 第42-44页 |
4.2.2 输入变量的数学表达 | 第44-46页 |
4.3 模型构建 | 第46-51页 |
4.3.1 预测变量的选择 | 第46-48页 |
4.3.2 ANFIS预测 | 第48-51页 |
4.4 评估标准 | 第51-52页 |
4.5 本章小结 | 第52-54页 |
第5章 基于ANFIS的汽车销售量预测模型应用分析 | 第54-84页 |
5.1 基础数据 | 第54-55页 |
5.2 ANFIS预测方法及其预测结果 | 第55-68页 |
5.2.1 变量及数据的选取 | 第55-60页 |
5.2.2 宏观经济因素的主成份分析 | 第60页 |
5.2.3 汽车销售量的偏最小二乘回归分析 | 第60-64页 |
5.2.4 ANFIS预测汽车销售量 | 第64-66页 |
5.2.5 预测结果 | 第66-68页 |
5.3 ARIMA预测法及其预测结果 | 第68-76页 |
5.3.1 数据相关性分析 | 第68-69页 |
5.3.2 相关性验证 | 第69-72页 |
5.3.3 模型参数的确定 | 第72-75页 |
5.3.4 预测结果 | 第75-76页 |
5.4 时间序列分解预测法及其预测结果 | 第76-81页 |
5.4.1 数据分析 | 第76-77页 |
5.4.2 时间序列分解 | 第77-80页 |
5.4.3 预测结果 | 第80-81页 |
5.5 三种预测模型预测精度比较 | 第81-82页 |
5.6 本章小结 | 第82-84页 |
第6章 总结与展望 | 第84-86页 |
6.1 论文总结 | 第84-85页 |
6.2 研究展望 | 第85-86页 |
参考文献 | 第86-89页 |
附录 | 第89-93页 |
导师及作者简介 | 第93-94页 |
后记和致谢 | 第94页 |