《表3 四种预测结果评价指标比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP算法和LSTM算法的汽车销售预测模型比较研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如图所示，汽车销售量变化幅度较大。王旭天[23]在研究中发现，针对月度数据有周期波动特点，LSTM模型整体而言比BP模型的预测效果更佳。（1）从预测趋势上看，LSTM模型的预测值曲线在趋势上与真实值非常接近，BP模型整体趋势曲线只能大致反映真实值的情况，在数据分布差别较小的集中区域预测效果好，但一旦出现数据波动强烈处就无法表现。（2）从峰值表现上看，LSTM模型曲线明显有峰值与低值，但在每个时间点的峰值与低值的呈现结果上误差较大，在15天新车台数预测中具有明显的大于真实值的反映，在15天二手车台数和销售金额预测中误差较小，但具有明显的提前信号，每个峰值提前的间隔类似，图像表现上看比BP模型的效果要更准确。（3）从模型评价上看，BP的模型预测误差在MSE评价标准下都低于LSTM模型，说明BP模型也有较好的预测效果，数据的变化程度小的时候使用BP模型是有效的，但在决定系数R2评价标准下LSTM模型更接近1且BP模型的偏差比较大，说明整个预测曲线的拟合优度更高，跟图像表现的一致，模型预测效果更好。预测结果表明，本文发现LSTM模型对于受季节因素影响的汽车销售数据有较好的预测能力，在销售台数和销售金额趋势预测方面更有效合理，在模型预测的精度上比BP模型效果更优。