基于S形曲线的汽车保有量预测模型及其应用研究

分析了汽车保有量发展呈S形曲线的特点,以及影响汽车保有量的主要变量.以S形曲线为基础建立了汽车保有量预测的对数模型.用1991 ～2011年的样本数据计算出模型系数.通过输入相关变量的估计值,对2015年、2020年我国汽车保有量进行预测.     

影响十堰市汽车保有量的因素分析

汽车保有量与社会经济发展水平有密切的关系,通过建立计量经济学模型寻求汽车保有量和社会经济有关指标的函数关系,可以较为准确地预测十堰市短期内的汽车保有量。根据统计数据回归分析,影响十堰市汽车保有量的主要因素有:社会消费品零售总额、城镇居民可支配收入和社会固定资产投资。     

基于改进PCA-Logistic模型对个人汽车保有量预测

我国个人汽车保有量数据的变化是一个长期的非线性过程,其影响因素复杂,并且因素之间也存在非线性关系,需要合理准确的方法进行分析和预测。为了研究在GDP、城镇人口变化、消费水平等多因素的影响下我国个人汽车保有量的变化问题,采用了改进的主成分因子分析和Logistic非线性模型相结合的方法,对传统主成分分析法进行了改进,考虑数据的完整性,选取1985—2018年之间影响我国个人汽车保有量的8个代表性因素,首先通过改进主成分分析法对其进行了"非线性"的降维处理,再利用Logistic非线性模型描述汽车保有量和提取主成分之间的关系,最终提出了改进PCA-Logistic模型。比较分析了改进的PCA-Logistic模型与传统PCA-Logistic模型在对个人汽车保有量预测的不同和改进后模型的优点,结果表明:改进PCA-Logistic模型可以有效地消除数据之间非线性关系,可以将传统方法得到的二次非线性主成分回归曲线变成线性曲线,从而更符合主成分分析法原则;得到的非线性Logistic回归曲线与实际数据拟合度更高,说明能更准确地评估我国个人汽车保有量。根据此模型预测了2019—2024年我国个人汽车保有量,发现我国个人汽车保有量在2021年可能会突破3亿。     

汽车有量与年产量的神经网络预测研究

采用神经网络建立汽车保有量与年产量时间序列的预测模型,并对我国未来几年的汽车保有量和年产量进行预测,其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等,取得了较为满意的预测结果.对预测结果进行分析,指出了我国汽车保有量与产量今后发展的特点和趋势.     

汽车保有量与年产量的神经网络预测研究

采用神经网络建立汽车保有量与年产量时间序列的预测模型，并对我国未来几年的汽车保有量和年产量进行预测，其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等，取得了较为满意的预测结果，对预测结果进行分析，指出了我国汽车保有量与产量今后发展的特点和趋势。     

我国公路营运汽车污染物排放量总量及预测

机动车污染物的排放量预测是研究降低机动车排放污染对策和专项行动的基础。我国公路营运汽车污染物排放量已经成为机动车污染物排放中不可忽视的组成部分。文章通过对影响营运汽车污染物排放水平的主要因素分析,根据国家环保总局的机动车排放因子的试验测算结果,推算营运汽车排放因子;然后对我国公路营运汽车保有量、年均行驶里程进行的现状分析、建模、计算和趋势预测,最后运用机动车污染物年排放量模型,计算出未来15年内主要特征年的污染物排放总量。根据对以上计算和预测结果分析可知,未来10多年间,营运汽车污染物排放总量呈下降趋势。     

BP神经网络主成分分析法在汽车保有量预测中的应用

针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优.     

我国未来汽车保有量情景预测研究

汽车保有量的预测具有一定程度的不确定性。对2010、2020及2030年我国的汽车保有量进行科学预测,是确定我国公路交通长短期发展规划,制定环保与能源等方面相关政策的关键。在对我国经济各个发展阶段进行情景分析的基础上,考虑经济、人口、汽车保有量增长速度以及不同地区人均GDP人群分布等因素,运用趋势外推、弹性系数、国内外情景类比及运输工作量计算等方法对我国未来的汽车保有量进行综合预测,确定到2030年我国汽车保有量将达到2.3~2.5亿辆,是2020年的1.7~1.9倍左右、是2010年的4.6倍。汽车保有量的大幅度增加势必对土地、能源资源和环境保护带来巨大压力,贯彻科学发展观、节约资源、保护环境,走可持续发展道路将是我国未来道路交通发展的客观要求。     

基于计量经济学模型来选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,文中通过数据分析来证明,这13种因素中与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的相关性,需要进一步分析哪些因素才是最直接影响汽车保有量的。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等是预测汽车保有量的较好变量,并预测2006年到2017年的汽车保有量。     

基于多元线性回归方法的城市汽车保有量预测研究——以天津市为例

当前,我国民用汽车保有量不断增加,能源、环境、交通等越来越成为制约汽车保有量扩张的重要因素。通过分析主要影响因子,本文运用多元线性回归模型对城市民用汽车保有量进行预测,并以天津市为例进行实证分析。通过研究民用汽车保有量的变化趋势对合理制定公路交通发展规划,有效调节汽车产业的供需平衡具有重要指导意义。     

灰色系统用于汽车保有量与年产量的预测研究

分析了灰色系统的方法用来预测的特点，采用ＧＭ（１，１）方法分别对我国未来若干年的汽车保有量和年产量进行预测，其中包括民用汽车用量，私人汽车量和汽车产量等，取得了好的预防测效果。对预测结果进行分析，指出了我国的汽车保有量和产量今后发展的特点和趋势。     

我国汽车维修市场需求量预测的研究

在大量详实的数据和资料的基础上，采用两种方法对我国汽车维修需求量进行预测，一是由各省的汽车一与保有量的关系间接推测出全国的汽车维修需求量，二是根据汽车维修量与汽车保有量、维修间隔里程等之间的关系直接推算僵的维修需求量。     

基于计量经济学模型选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,本文通过数据分析证明,这13种因素与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的关联性,因此这就需要我们进一步分析哪些因素才是最直接影响汽车保有量的因素。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等因素是预测汽车保有量的较好变量。     

基于神经网络BP算法的出租汽车保有量预测法

介绍了出租车保有量神经网络预测模型的建立.以南京市的实际数据为检测依据,论证了该模型应用于城市出租汽车保有量预测的可行性,并对该市2005～2008年的出租汽车保有量进行了预测;该预测模型与传统模型进行预测对比的结果表明,由于神经网络在处理非线性系统方面的优越性,该预测模型在交通预测方面具有较高的计算精度.     

中国汽车保有量及年产量预测模型研究

本文应用历史数据,以人均GDP和城市化率为自变量,建立了中国汽车保有量初级模型.用上述模型计算出各年的汽车新需求量,乘以考虑价格和消费环境的系数,就可求得修正后的每年汽车新需求量,进而求得将来的汽车保有量.研究结果表明,中国可能于2015年到2020年间成为世界最大的汽车消费市场和生产基地.     

运用汽车报废率来推导汽车产业需求规模

目前我国汽车产业发展迅速,各汽车企业之间竞争激烈,因此合理的预测汽车需求规模,对汽车生产厂具有重大的意义。目前国内外更多的研究是关于预测汽车保有量的,而预测汽车需求规模的较少,而且也没有较好的方法。本文提出通过预测汽车报废率来预测汽车市场需求规模的方法,并预测了2007～2016年的汽车市场需求规模。     

基于多相关因素的汽车保有量预测神经网络方法

将神经网络技术用于汽车保有量预测，建立基于双BP神经网络的多相关因素汽车保有量预测模型。以呼和浩特市汽车保有量预测为例，详细介绍汽车保有量神经网络预测模型的操作过程，并证实了该方法的可行性和可靠性。     

基于Gompertz模型变换的中国乘用车保有量预测

正本文采用Gompertz模型预测中国乘用车保有量,利用一种新的数学方法估算Gompertz模型参数。该方法不需要经验假设中国乘用车保有量饱和值,并且随着时间的推移能不断修正乘用车保有量饱和值。预测结果表明,2020年中国乘用车保有量将达到2.3亿辆,2025年将达到3.2亿辆,2060年左右将达到饱和值5.3亿辆。     

中国民用汽车保有状态及发展趋势分析

从近20年来中国人均GDP、民用机汽车保有量、及人口数量的数据着手,分析了民用汽车保有量和人均GDP之间的关系,结果表明我国民用汽车保有量还远未达到饱和水平,并对我国民用汽车的发展进行了预测,提出了未来发展的相关建议。     

载货汽车钢板弹簧动态刚度与阻尼的统计计算

本文根据统计线性化原理,对载货汽车钢板弹簧迟滞随机恢复力进行分解,提出了适合于工程应用的钢板弹簧动态统计刚度与阻尼系数的计算方法。该方法的合理性经试验得以验证。本文提出的统计线性化模型可用于汽车悬挂参数的优化以及分析和预测汽车的平顺性。