基于广义区间算法和季节调整模型的汽车销量预测方法

胡 洁

（上汽通用五菱汽车股份有限公司， 广西 柳州 545026）

0 引言

汽车行业的繁荣发展是国家基础国力强大的表现，它对其上下游供应链、国民就业、乃至整个国民经济拉动影响深远，因此一直是国家大力发展的行业之一。 近年，国内人民物质生活极大丰富，个性化需求突显，汽车行业也快步进入了供给侧改革的重要时期。 但汽车生产及推新经济投入大，如何准确把握市场先机，以最经济的方式生产出满足用户需求的个性化产品， 已经引起广大车企的重点关注，其中销量预测往往又是一个重要环节。

1 汽车销量预测方法研究

根据近年汽车市场特征及销量影响因素，预测方法大致分为以下几类：

（1）政策法规。 汽车属于纳税商品，国家对其实施税收优惠政策时，消费者的实际购车成本降低，从而对汽车销售产生短期促进作用。 刘晓凝[1]和孙磊等[2]分析了汽车税种和汽车购置税优惠政策对私人汽车保有量的影响。 吉宝卫[3]通过定性和定量结合方法研究了政策对新能源汽车销量的影响。 张佳等[4-5]通过静态面板模型和个人危机理论应对模型得出汽车召回对销量的负面影响。

（2）互联网效应。 近年来，互联网对汽车销量的影响愈发明显。 雷霄霄[6]通过抓取汽车垂直网站的评论运用回归分析和非线性BP 神经网络模型分析出在线评论对SUV 销量的促进作用。张须姣[7]分析了互联网对汽车营销带来的新契机。 曹永立等[8-10]分别得出网络搜索数据对汽车市场的有效预期，涉及百度指数、时间序列、混合模型、机器学习等。

（3）消费者情感。 消费者自身的购买意向、品牌关注度是决定其购买行为的重要因素。蒋翠清[11]提出了基于消费者关注度的Atetention_LSTM 模型预测汽车销量动态趋势。 常丹[12]提出了情感分析Darmia_RNN 模型，既考虑用户评论影响，又发挥了时间序列和神经网络的优势。

（4）季节影响等其他。汽车市场呈季节性变化，如春节、金九银十等， 使得汽车销量在一年内有规则的变化，据此时间序列模型是汽车销量预测中应用最广泛的方法之一[13-14]。

以上方法基本上以确定数作为处理基础， 但实际历史数据或网络信息都存在一定的不确定性。 目前在汽车销量预测领域，不确定性的预测方法还比较少。 目前，不确定性处理方法基本有三种：概率、模糊数和区间。 基于概率和模糊论的不确定性方法需要大量样本信息来建立描述不确定因素的概率分布函数和模糊隶属度函数，区间理论对数据量要求不大，但它计算不可逆性、语义描述有局限。作为一种新的不确定性量化方法，广义区间利用上下界的序关系区分不同语义描述， 通过相应运算符使计算可逆，在一定程度上弥补了区间理论不足。本文提出基于广义区间时间序列方法用于汽车销量预测。

2 模型与算法

2.1 广义区间算法

表1 广义区间四则运算

2.2 基于广义区间的季节调整模型

（1）建立乘法模型。 第t 个月的销量用广义区间数Yt表示。假设其影响因素归纳为行业趋势Tt、季节变化St和其他不确定性Ut， 则Yt=F （Tt，St，Ut），Tt，St，Ut∈KR，t=1……n，n∈R。

（2）计算季节指数。

月度销量的移动平均为：

3 实例应用

以国内历年汽车月度资料为例， 应用上文提出的广义区间季节调整模型。

（1）建立汽车销量时间序列，以2010-2018 年国内汽车月度销量作为参考，构建t=36 个月的广义区间数时间序列原始值，见表2。

表2 广义区间数时间序列原始值

（2）计算季节指数，见表3。

表3 1- 12 月季节指数

（3）确定变化趋势，见表4。

表4 消除季节影响的时间序列值

计算b1=[2.56，4.13]，b0=[82.88，196.25]，则

（4）销量预测。 将t=37～48 带入公式，经过季节调整得最终预测值，见表5。

表5 最终预测值

由于该实例的原始数据使用的是2010-2018 年数据，我们以2019 年的国内汽车月度销量作对比，见图1，预测区间基本涵盖2019 年真实销量值，差异月份平均误差在4.6%。

图1 区间预测值与2019 年实际值对比

另外，真实值多处于预测区间的下限附近，说明预测区间不确定性偏大。如前文所述，广义区间计算既有值域还有逻辑语义。 广义区间计算关系的语义解读由广义区间的模态（标准/非标准）及其在数学关系中出现的位置（数学关系符号的左/右侧）所决定[16]。 为了涵盖所有不确定性，本文计算参数均采用了标准模态区间，当标准模态区间出现数学关系符号的左侧时，语义逻辑为∀，即意味着对该可能范围内的所有值都满足。 如果销量的影响因素“可控”，则可指定对应计算参数为非标准模态区间，语义逻辑为∃，即可通过采取一些措施达到目标销量，即企业的一些促销政策等。

4 结论

本文围绕汽车销量影响因素及其预测模型， 指出了当前业内研究缺乏不确定性因素考虑的现状， 由此提出了基于广义区间算法和季节调整模型的汽车销量预测方法， 并以国内汽车月度历史销量作为实力， 介绍该模型的应用步骤。 由于篇幅所限，本文无法详细阐述广义区间在逻辑语义上的计算优势。 下一步将结合销量预测中的不确定性因素， 如网络评论、 消费者关注度、 品牌情感等， 研究广义区间在汽车销量预测中的广泛性和有效性。