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。     

基于神经网络的中国汽车保有量建模与预测

利用改进的BP神经网络对中国2000年，2005年，2010年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，由于神经网络具有很强的学习与泛化能力，因此在处理具有一定程度不确定性的非线性系统的建模与预测方面，神经网络有很好的应用价值。     

基于神经网络的我国汽车保有量建模与预测

利用改进ＢＰ神经网络对我国２０００年、２００５年、２０１０年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，结果表明，由于神经网络具有有很强的学习与活化能力，在处理具有一定程度不确定的非线性系统的建模与预测方面有较好的应用价值。     

我国汽车保有量的分析与预测

汽车运输作为现代交通运输的五大方式之一，相比铁路、水路、航空和管道运输等四大运输方式来说，它具有机动灵活，速度快，货损小，以及门对门的直达运输等特点，特别是高谏公路、集装箱运输业、以及家用小轿车的发展，使得汽车运输在交通运输中占有主导地位。发达国家汽车运输量一般占运输总量的80％以上，并且这一比例还在不断上升。我国汽车工业前40年发展缓慢，目前汽车运输量只占运输总量的61％。1993年底我国各类汽车保有量为81O万辆，只相当于美国的1／28，日本的1／10，德国的1／6，英、法、意的1／4左右。显然，我国汽车保有量是…     

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。     

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。     

全球汽车保有量与中国汽车保有量

据美国汽车行业权威杂志Wardsauto公布： 根据各国和地区政府公布的汽车注册量及历史上汽车保有量,截至2011年8月16日,全球处于使用状态的各种汽车,包括轿车、卡车以及公共汽车等的总保有量已突破10亿辆,其中中国增速世界第一。     

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。     

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。     

基于支持向量机的城市私人汽车保有量滚动预测

针对城市私人汽车保有量增长预测问题,在对支持向量机理论进行改进的基础上,进行滚动预测研究。在对已有的机动车保有量预测模型进行对比分析的基础上,建立了基于支持向量机的私人汽车保有量滚动预测模型,并利用北京市私家车保有量历史数据对滚动预测模型进行了实证分析。结果表明该预测模型具有较高的预测精度、符合实际需求、具有广泛的应用前景。     

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。     

南朝鲜汽车保有量

南朝鲜汽车保有量1992年达5007万辆。据南朝鲜交通部统计，1991年末南朝鲜汽车保有量达425万辆。     

新能源汽车扩散驱动因素及市场保有量预测研究

近几年来,新能源汽车扩散得到了很大的发展。系统地研究驱动新能源汽车扩散的因素并加以利用,小到能够帮助企业据此制定合理的发展战略目标和产品规划,保证企业的可持续发展能力,大到能够推进我国新能源汽车的发展和支持国家战略的实现。文章运用系统动力学理论和方法,先行通过对新能源汽车扩散驱动因素的动态研究,构建出多因素的系统动力学方法新能源汽车推广预测模型。尔后,将从搭建模型中提炼出来的各驱动因素权重与现实情况作对比,从而分析和论证模型的可靠性,最终实现对我国新能源汽车保有量发展的有效预测。     

山东省“九五”期间民用汽车保有量预测研究

根据黄海民用汽车保有量时间序殓数据，并考虑所必须涉及的曲线斜率变化速度问题，采用Ｇｏｍｐｅｒｔｚ曲线等方法进行该省“九五”期间民用汽车保用量预测研究。同时，邓预测误差进行了必要的分析，给出了预测的平均绝对百分误差值。该研究结果可为一系列相关问题的科学决策提供了科学可靠的依据。     

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.     

全国民用汽车保有量统计

(一九八一年六月末)中一轻车数总计汽油载重车!柴油载重车全国总计黑龙1,8730,049 89,195 45,876 93,042 63,248 49,444133,567 59,297 79,737 69,287 77,682 38,253 47,980 38,859 52,361102,274 81,667 83,620 61,1651 12,337 43,596111,337 36,121 55,394 13,978 53,697 45,519 20,740 12,639 46,142 75,0051夕401,08954,6 1729,74568,38147,73235,98791,97747,19462,63458,73762,99129,95737,99629,56942,87278,67858,58164,44048,84677,34435,34089,28328,85945,59610,75741,89635,45516,28910,02436,44922,863228,733嗜 9,646 6,838 1…     

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.