基于SSA-SVR 模型的國內(nèi)新能源汽車銷量預(yù)測研究★

梁亞玲， 陳英偉， 劉思佳

（河北經(jīng)貿(mào)大學(xué)， 河北 石家莊 050061）

0 引言

新能源汽車是當(dāng)前全球汽車行業(yè)的發(fā)展趨勢，也是我國汽車產(chǎn)業(yè)轉(zhuǎn)型升級的重要方向。隨著人們環(huán)保理念和綠色出行意識的提升，新能源汽車越來越受到青睞。新能源汽車與傳統(tǒng)燃油汽車相比，具有節(jié)能減排、低碳環(huán)保的優(yōu)點(diǎn)。另外，我國要實(shí)現(xiàn)2030 年“碳達(dá)峰”、2060 年“碳中和”的目標(biāo)，治理汽車碳排放問題成為當(dāng)下聚焦的熱點(diǎn)問題。新能源汽車在我國已經(jīng)進(jìn)入了快速發(fā)展的階段。因此，預(yù)測新能源汽車市場未來發(fā)展趨勢，對于行業(yè)的可持續(xù)發(fā)展和“雙碳”目標(biāo)的實(shí)現(xiàn)具有重要的現(xiàn)實(shí)意義。

目前，在對新能源汽車銷量預(yù)測的研究中，學(xué)者們通?；谑袌鲂枨?、技術(shù)進(jìn)步和政策環(huán)境等的預(yù)測方法（如SWOT 分析、技術(shù)生命周期分析和政策環(huán)境分析等），而更多采用的是基于歷史數(shù)據(jù)構(gòu)建數(shù)學(xué)模型，對新能源汽車銷量進(jìn)行定量預(yù)測。主流的預(yù)測模型有多元回歸模型、時間序列預(yù)測模型、灰色預(yù)測模型、BP 神經(jīng)網(wǎng)絡(luò)模型以及集成學(xué)習(xí)算法等。

2019 年，張雙妮[1]在對新能源汽車銷量預(yù)測中，通過多元回歸模型擬合新車比（新能源汽車銷量/汽車銷量）的走勢，進(jìn)行短期預(yù)測。Tang 等通過三個線性回歸模型來確定對新能源汽車銷量有顯著影響的因素，結(jié)果表明，可支配收入、充電站數(shù)量、補(bǔ)貼和素養(yǎng)水平正向影響新能源汽車銷量。Chen 等研究油價對中國新能源汽車銷量的影響，發(fā)現(xiàn)原油價格和汽油價格均對新能源汽車銷量產(chǎn)生正影響，汽油價格影響大于原油價格。陳璐[2]利用ARIMA 季節(jié)模型對2018—2020 年新能源汽車銷量進(jìn)行預(yù)測，得出新能源汽車需求呈上升趨勢，發(fā)展前景可觀。王小璇[3]選擇灰色關(guān)聯(lián)分析法篩選出影響新能源汽車保有量的因素建立指標(biāo)體系，并結(jié)合灰色系統(tǒng)理論建立GRA-GM（1，N）多元灰色預(yù)測模型，預(yù)測新能源汽車保有量。楊東紅[4]提出一種基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的新能源汽車銷量模型，有效提高了預(yù)測精度。此外，為提高預(yù)測的準(zhǔn)確性和可靠性，組合模型在新能源汽車銷量預(yù)測中也常使用。蘇越等[5]采用回歸預(yù)測、灰色預(yù)測以及二者組合預(yù)測的方法，對新能源汽車銷量進(jìn)行預(yù)測。結(jié)果表明，預(yù)測精度顯著提高。白一凡[6]對數(shù)據(jù)進(jìn)行因素分解，生成非隨機(jī)波動序列和隨機(jī)波動序列，構(gòu)建SARIMA 和BP 神經(jīng)網(wǎng)絡(luò)組合模型，對新能源汽車月度銷量進(jìn)行預(yù)測。

新能源汽車銷量預(yù)測無論采用哪種方法，都需要進(jìn)行充分的數(shù)據(jù)收集和分析，并根據(jù)實(shí)際情況選擇合適的預(yù)測模型和方法。如，時間序列分析方法是基于歷史銷量數(shù)據(jù)對未來銷量進(jìn)行預(yù)測，但新能源汽車銷量會受到除自身以外因素的影響。因此，時間序列模型精度不夠高。機(jī)器學(xué)習(xí)方法比時間序列分析方法的精度高，但使用默認(rèn)參數(shù)也會有較大的預(yù)測誤差。因此，本文使用麻雀搜索算法，優(yōu)化支持向量回歸模型參數(shù)來提高新能源汽車預(yù)測精度，并與傳統(tǒng)時間序列模型進(jìn)行對比，結(jié)果表明，本算法具有更高的精度。

1 模型方法

1.1 SARIMA 模型

在某些時間序列中會存在明顯的周期性變化。這種周期是由于季節(jié)性變化（如季節(jié)、月和周等）或其他因素引起的，這樣的序列稱為季節(jié)性序列[7]。描述季節(jié)性序列的模型之一是乘積季節(jié)模型，也叫季節(jié)時間序列模型（seasonal ARIMA model，SARIMA），模型簡記為ARIMA（p，d，q）（P，D，Q）S。其中，P、p分別為季節(jié)與非季節(jié)自回歸，Q、q分別為季節(jié)與非季節(jié)移動平均數(shù)，D、d分別為季節(jié)與非季節(jié)差分階數(shù)。該模型結(jié)構(gòu)式如下：

式中：S為周期步長；B為滯后算子；εt為殘差項(xiàng)；Φ（B）=1-φ1B-…-φpBp；Θ（B）=1-θ1B-…-θqBq；ΦS（B）=1-φS1BS-…-φSP BPS；ΘS（B）=1-θS1BS-…-θSQBQS。

SARIMA 模型適用于具有季節(jié)性、趨勢性和周期性的平穩(wěn)數(shù)據(jù)序列，可有效應(yīng)用于包含趨勢和季節(jié)性的單變量數(shù)據(jù)，特別是那些具有周期性趨勢的數(shù)據(jù)。

1.2 麻雀搜索算法優(yōu)化支持向量回歸（SSA-SVR）

SARIMA 模型真實(shí)值與擬合值對比，如圖2 所示。

醫(yī)院運(yùn)營結(jié)果最終取決于所有員工的所有行為。要達(dá)到理想結(jié)果，不僅醫(yī)院管理層須努力在各個層面上營造讓每個員工都能看得到的理想行為，還要切實(shí)為每個員工個體賦能。

支持向量機(jī)回歸（Support Vector Regression，SVR）是一種基于核函數(shù)的算法，通過最小化損失函數(shù)來選擇最佳的超參數(shù)，使得模型能夠最好地?cái)M合訓(xùn)練數(shù)據(jù)。利用核函數(shù)將數(shù)據(jù)映射到高維空間，在其中找出最優(yōu)超平面，并將其用于回歸預(yù)測。SVR 旨在最小化預(yù)測值與實(shí)際值之間的誤差和模型的復(fù)雜度，同時允許一定程度上的誤差[8]。SVR 的優(yōu)點(diǎn)是能夠有效處理具有復(fù)雜非線性關(guān)系的數(shù)據(jù)，并且在處理大規(guī)模數(shù)據(jù)集時具有較高的效率。

廣東港豐電器有限公司坐落于廣東省佛山市順德區(qū)龍江鎮(zhèn)，是港豐集團(tuán)旗下企業(yè)，專業(yè)致力于PE健康給水管道及配件系列，埋地雙平壁鋼塑復(fù)合纏繞排水管及配件系列，PP-R精裝家裝給水管及配件系列，HDPE雙壁波紋管及配件系列，PVC-U排水管、電纜管及配件系列，難燃PVC電線管、槽及配件系列，PE安全燃?xì)夤芘浼盗械犬a(chǎn)品的生產(chǎn)、設(shè)計(jì)、研發(fā)。

本文使用麻雀搜索算法來優(yōu)化支持向量回歸模型的參數(shù)，通過模擬鳥類在搜索食物時的行為來尋找最優(yōu)解。適應(yīng)度函數(shù)是SVR 模型的預(yù)測誤差和模型復(fù)雜度之和，目標(biāo)是最小化這個函數(shù)的值。通過使用麻雀搜索算法對SVR 模型參數(shù)進(jìn)行優(yōu)化，可以提高模型的預(yù)測性能和泛化能力。實(shí)驗(yàn)結(jié)果表明，SSA-SVR比其他優(yōu)化算法具有更高的效率和準(zhǔn)確性。

所謂合作學(xué)習(xí)，就是指學(xué)生為了完成共同的任務(wù)，有明確責(zé)任分工的互助性學(xué)習(xí)。在中職學(xué)校物理課程的教學(xué)過程中，倡導(dǎo)學(xué)生之間的相互學(xué)習(xí)、相互合作、相互競爭。教師可以按照班級人數(shù)劃分相應(yīng)的學(xué)習(xí)小組，并且按照學(xué)習(xí)能力大小進(jìn)行有效的“分配”，要求在學(xué)習(xí)小組內(nèi)相互幫助、相互協(xié)作、相互交往，增強(qiáng)責(zé)任感榮譽(yù)感；在學(xué)習(xí)小組外培養(yǎng)競爭意識、平等意識、參與意識及友誼意識，形成良性競爭，激發(fā)學(xué)生對物理課程的學(xué)習(xí)興趣。

2 實(shí)證分析

2.1 數(shù)據(jù)來源與指標(biāo)說明

本文對我國新能源汽車銷量展開精準(zhǔn)預(yù)測研究，選取了2014 年1 月—2022 年12 月的新能源汽車月度銷量數(shù)據(jù)，數(shù)據(jù)來源分別為中國汽車工業(yè)協(xié)會、乘用車市場信息聯(lián)席會、國家統(tǒng)計(jì)局和中國充電聯(lián)盟等網(wǎng)站。新能源汽車主要包括純電動汽車、插電式混合動力汽車和燃料電池汽車三種類型。結(jié)合國內(nèi)外學(xué)者的有關(guān)研究以及數(shù)據(jù)的可取性，選取了5 個關(guān)鍵性指標(biāo)作為影響新能源汽車銷量的因素，分別是消費(fèi)者信心指數(shù)、消費(fèi)者價格指數(shù)、95 汽油價格、居民人均可支配收入和公共充電樁數(shù)量。

2.2 SARIMA 模型預(yù)測

首先，繪制出我國新能源汽車的原始時間序列圖。

從圖1 可以看出，新能源汽車月度銷量類似呈現(xiàn)周期性上升趨勢。原始時間序列為非平穩(wěn)序列，具有一定的趨勢性和周期性，需對原始序列進(jìn)行差分。

圖1 新能源汽車銷量時序圖

經(jīng)過一階12 步差分后，序列基本平穩(wěn)。對一階12 步差分序列進(jìn)行平穩(wěn)性檢驗(yàn)。ADF 單位根檢驗(yàn)和白噪聲檢驗(yàn)中p值均小于0.05，表明一階12 步差分后序列平穩(wěn)且為非白噪聲序列，可以利用SARIMA 模型進(jìn)行建模。

下面進(jìn)行模型定階，本文選取準(zhǔn)則函數(shù)（AIC 和BIC 準(zhǔn)則）進(jìn)行定階。對于p、q、P、Q值的確定，通過不同組合計(jì)算各組合BIC 值，得到各組合的BIC 信息量，選取具有最小BIC 信息量的模型階數(shù)。

對各參數(shù)進(jìn)行t檢驗(yàn)，得到的值均小于0.05，表明各參數(shù)均通過檢驗(yàn)。最后進(jìn)行殘差檢驗(yàn)，檢驗(yàn)通過，表明模型是有效的。

將血漿引流管妥善固定于床旁,告知患者引流管的重要性,切勿自行拔出,避免引流管脫出或落入傷口內(nèi),若引流管不慎脫出,切勿自行安置,應(yīng)立即通知主管醫(yī)生處理[5,6]。

表1 各組合BIC 值比較

表2 模型參數(shù)

由表1 可知，BIC 值最小的組合為SARIMA（2，1，1）（0，1，0）12。通過計(jì)算，得到如表2 所示模型系數(shù)。

最終的模型如下：

麻雀搜索算法（Sparrow Search Algorithm，SSA）是一種啟發(fā)式新型群智能優(yōu)化算法，SSA 算法具有全局搜索能力和快速收斂性能，且計(jì)算復(fù)雜度較低，具有較高的實(shí)用價值。其靈感來源于麻雀的群體行為，利用麻雀飛行和尋找食物等行為特征。SSA 算法的基本原理是將問題轉(zhuǎn)化為一個搜索空間，通過一群麻雀在搜索空間中的飛行和覓食來尋找最優(yōu)解。該算法主要包括初始化、麻雀的飛行和覓食、適應(yīng)度評價和更新等步驟