基于离散时间灰色幂模型的新能源汽车销售量预测

doi:10.16381/j.cnki.issn1003-207x.2021.2567

Abstract

Abstract:

Accurate prediction of the new energy vehicle market’s development trend is of great practical significance for the realization of the development planning of the industry and China's energy strategic goals. Therefore， based on the existing two types of grey power models， an improved grey power model with multiple parameters is proposed， which can reflect the nonlinear effect of historical value and time sequence factors on the current value of the system. In addition， according to the information coverage principle of grey derivative， the differential form and derived discrete form of the model are given， denoted as DTGPM， and the time response function of the model is given， which avoids the complex integral solution process of the traditional grey power model. Furthermore， the heuristic algorithm is used to optimize the power parameters of the DTGPM model， and the prediction effectiveness of the model is verified by simulation experiments and practical example. Finally， the market sales volume of new energy vehicles is forecast. The forecast results show that the sales volume of new energy vehicles in China will reach 4.73 million in 2022， and is expected to reach nearly 10 million in 2025， accounting for 23.5% of the total sales volume of new vehicles.

Key words: grey power model, prediction algorithm, new energy vehicles, sales forecasts

CLC Number:

N941.5

Lianyi Liu,Sifeng Liu,Lifeng Wu. New Energy Vehicle Sales Forecast Based on Siscrete Time Grey Power Model[J]. Chinese Journal of Management Science, 2024, 32(1): 106-114.

Figures/Tables 8

扰动 $ε$		$ε ~ N 0,0 . 12$	$ε ~ N 0,0 . 32$	$ε ~ N 0,0 . 52$	$ε ~ N 0, 12$	$ε ~ N 0,1 . 52$
GM(1,1)	拟合MAPE	34.81	34.35	34.35	34.48	34.54
GM(1,1)	预测MAPE	43.85	43.77	43.85	44.46	44.52
DGM(1,1)	拟合MAPE	27.07	27.56	27.46	27.54	27.72
DGM(1,1)	预测MAPE	30.84	30.75	30.82	31.58	32.96
灰色幂模型	拟合MAPE	5.87	6.08	6.05	6.52	6.96
灰色幂模型	预测MAPE	11.01	12.51	14.97	14.94	15.71
灰色时间幂模型	拟合MAPE	1.76	1.82	2.05	2.62	3.62
灰色时间幂模型	预测MAPE	6.83	6.91	7.06	7.52	8.76
DTGPM	拟合MAPE	0.10	0.14	0.17	0.47	0.76
DTGPM	预测MAPE	1.57	2.46	2.74	4.31	4.57

References 29

1	王灿，张雅欣.碳中和愿景的实现路径与政策体系［J］.中国环境管理，2020，12（6）：58-64.
	Wang C， Zhang Y X. Implementation path and policy system of carbon neutrality vision［J］. Chinese Journal of Environmental Management， 2020，12（6）： 58-64.
2	唐葆君，马也.“十三五”北京市新能源汽车节能减排潜力［J］.北京理工大学学报（社会科学版），2016，18（2）：13-17.
	Tang B J， Ma Ye. Analysis of energy conservation and emission reduction of new energy vehicles in beijing during the “13th five year plan”［J］. Journal of Beijing Institute of Technology（Social Sciences Edition）， 2016，18（2）： 13-17.
3	王从飞，曹锋，李明佳，等.碳中和背景下新能源汽车热管理系统研究现状及发展趋势［J］.科学通报，2021，66（32）：4112-4128.
	Wang C F， Cao F， Li M J， et al. Research status and development trend of thermal management systems for new energy vehicles in the context of carbon neutrality ［J］. Chinese Science Bulletin， 2021，66（32）： 4112-4128.
4	唐葆君，王翔宇，王彬，等.中国新能源汽车行业发展水平分析及展望［J］.北京理工大学学报（社会科学版），2019，21（2）：6-11.
	Tang B J， Wang X Y， Wang B， et al. Analysis and prospect of the development level of china's new energy vehicle industry［J］. Journal of Beijing Institute of Technology（Social Sciences Edition）， 2019，21（2）： 6-11.
5	国务院. 新能源汽车产业发展规划（2021-2035年）［Z］.2020.
	The State Council of China. Development plan for the new energy vehicle industry（2021-2035）［Z］. 2020.
6	李社宁，张哲，李喜宁.促进新能源汽车产业发展的可持续性财税政策探析［J］.西安财经学院学报，2019，32（4）：46-52.
	Li S N， Zhang Z， Li X N. Analysis of sustainable financial and tax policies to promote the development of new energy vehicle industry［J］. Journal of Xi'an University of Finance and Economics， 2019， 32（4）： 46-52.
7	童芳，兰凤崇，陈吉清.新能源汽车发展影响因素分析及保有量预测［J］.科技管理研究，2016，36（17）：112-116.
	Tong F， Lan F C， Chen J Q. Analysis of factors influencing the development of new energy vehicles and prediction of ownership［J］.Science and Technology Management Research， 2016，36（17）： 112-116.
8	潘苏楠，李北伟，聂洪光.新能源汽车产业与美丽中国建设的耦合协调及前景预测研究［J］.科技管理研究，2019，39（18）：123-129.
	Pan S N， Li B W， Nie H G. Research on the coupling coordination and prospect prediction of the new energy vehicle industry and the construction of beautiful China［J］. Science and Technology Management Research， 2019， 39（18）： 123-129.
9	方曦，张莉萍.国内外新能源汽车充电桩技术预测分析——基于生命周期和国际专利分类号［J］.科技管理研究，2021，41（8）：148-155.
	Fang X， Zhang L P. Prediction and analysis of new energy vehicle charging station technology at home and abroad-based on life cycle and international patent classification［J］.Science and Technology Management Research， 2021，41（8）： 148-155.
10	刘颖琦，王萌，王静宇.中国新能源汽车市场预测研究［J］.经济与管理研究，2016，37（4）：86-91.
	Liu Y Q， Wang M， Wang J Y. Research on the prediction of China's new energy vehicle market［J］. Research on Economics and Management， 2016，37 （4）： 86-91.
11	He L Y， Pei L L， Yang Y H. An optimised grey buffer operator for forecasting the production and sales of new energy vehicles in China［J］. Science of The Total Environment， 2020， 704： 135321.
12	Ding S， Li R， Wu S. A novel composite forecasting framework by adaptive data preprocessing and optimized nonlinear grey Bernoulli model for new energy vehicles sales［J］. Communications in Nonlinear Science and Numerical Simulation，2021，99：105847.
13	罗党，王小雷.耦合三角函数的灰色GM（1，1，T）模型及其应用［J］.系统工程理论与实践， 2020，40（7）：1906-1917.
	Luo D， Wang X L. The grey GM（1，1， T） model of coupled triangular functions and its application［J］. Systems Engineering-Theory & Practice， 2020，40（7）： 1906-1917.
14	Wei B L， Xie N M. On unified framework for discrete-time grey models［J］.ISA Transactions， 2020， 107：1-11.
15	张鹏.引入新息项的离散灰色预测模型［J］.统计与决策，2020，36（5）：29-32.
	Zhang P. A discrete grey prediction model introducing new information items［J］. Statistics & Decision， 2020，36（5）： 29-32.
16	王正新.GM（1，1）幂模型的派生模型［J］.系统工程理论与实践，2013，33（11）：2894-2902.
	Wang Z X. Derivative model of GM （1，1） power model［J］. Systems Engineering-Theory & Practice， 2013，33 （11）： 2894-2902.
17	Li N， Wang J， Wu L， Bentley Y. Predicting monthly natural gas production in China using a novel grey seasonal model with particle swarm optimization［J］.Energy， 2021，215：119118.
18	叶莉莉，谢乃明，罗党.累积时滞非线性ATNDGM（1，N）模型构建及应用［J］.系统工程理论与实践，2021，41（9）：2414-2427.
	Ye L L， Xie N M， Luo D. Construction and application of the cumulative delay nonlinear ATNDGM （1， N） model［J］. Systems Engineering-Theory & Practice， 2021，41（9）： 2414-2427.
19	Guo X， Liu S， Yang Y. A prediction method for plasma concentration by using a nonlinear grey Bernoulli combined model based on a self-memory algorithm［J］. Computers in Biology and Medicine， 2019，105：81-91.
20	夏杰，马新，吴文青.基于Simpson公式改进的FAGM（1，1）模型及其应用研究［J］.中国管理科学，2021，29（5）：240-248.
	Xia J， Ma X， Wu W Q. Research on the improved FAGM （1，1） model based on simpson formula and its application［J］. Chinese Journal of Management Science， 2021，29（5）： 240-248.
21	王正新，党耀国，刘思峰，等.GM（1，1）幂模型求解方法及其解的性质［J］.系统工程与电子技术，2009，31（10）：2380-2383.
	Wang Z X， Dang Y G， Liu S F， et al. GM （1，1） power model solving method and properties of its solution［J］. Systems Engineering and Electronic Technology， 2009，31（10）： 2380-2383.
22	罗友洪，陈友军.线性时变参数非等间距GM（1，1）幂模型及其应用［J］.系统工程，2021，39（5）：152-158.
	Luo Y H， Chen Y J. Linear time-varying parameter non equidistant GM （1，1） power model and its application［J］. Systems Engineering， 2021，39（5）： 152-158.
23	周伟杰，姜慧敏，成雨珂，等.基于可重复性分数阶灰色时间幂模型的中国水电消费预测研究［J］.中国管理科学，2023，31（5）：279-286.
	Zhou W J， Jiang H M， Cheng Y K， et al. Research on china's hydropower consumption prediction based on repeatability fractional order grey time power model［J］. Chinese Journal of Management Science， 2023，31（5）： 279-286.
24	Liu C， Xie W， Wu W， et al. Predicting Chinese total retail sales of consumer goods by employing an extended discrete grey polynomial model［J］. Engineering Applications of Artificial Intelligence， 2021，102：104261.
25	杨保华，赵金帅.优化离散灰色幂模型及其应用［J］.中国管理科学，2016，24（2）：162-168.
	Yang B H， Zhao J S. Optimization of discrete grey power model and its application［J］. Chinese Journal of Management Science， 2016，24（2）： 162-168.
26	江建明，吴文泽，张涛.非线性离散灰色Bernoulli模型的构造与应用［J］.统计与决策，2021，37（13）：42-45.
	Jiang J M， Wu W Z， Zhang T. Construction and application of nonlinear discrete grey bernoulli model［J］. Statistics & Decision， 2021，37（13）： 42-45.
27	Liu L， Wu L F. Forecasting the renewable energy consumption of the European countries by an adjacent non-homogeneous grey model［J］. Applied Mathematical Modelling，2021，89：1932-1948.
28	邹国焱，魏勇.新离散verhulst模型的建模机理及其优化［J］.系统工程，2019，37（6）：139-147.
	Zou G Y， Wei Y. Modeling mechanism and optimization of the new discrete verhulst model［J］. Systems Engineering， 2019，37（6）： 139-147.
29	Wu L F， Liu S F， Yao L G， et al. Grey system model with the fractional order accumulation［J］. Communications in Nonlinear Science and Numerical Simulation， 2013， 18（7）： 1775-1785.

t	真实数据	GM (1,1)	DGM (1,1)	灰色幂模型	灰色时间幂模型	DTGPM
1	5.2	5.2	5.2	5.2	5.2	5.2
2	9.4	5.20	5.47	12.32	9.40	9.40
3	16.6	9.80	10.54	15.53	16.94	16.63
4	29.8	18.46	20.32	29.29	30.58	29.74
5	55.0	34.78	39.15	55.24	55.97	55.00
6	104.2	65.54	75.46	104.20	104.20	104.29
7	201.4	123.50	145.42	196.54	197.01	201.36
8	394.6	232.72	280.25	370.71	376.92	394.60
拟合MAPE%		34.66	27.91	6.02	1.64	0.07
9	779.8	438.52	540.09	699.23	727.14	783.95
预测MAPE%		43.77	30.74	10.33	6.75	0.53

年份	实际值	GM(1,1)	DGM(1,1)	分数阶灰色模型	灰色幂模型	灰色时间幂模型	DTGPM
2011	9356.32	9356.32	9356.32	9356.32	9356.32	9356.32	9356.32
2012	10933.09	11239.57	11255.45	10933.21	10933.09	11075.11	10930.53
2013	12670.14	12705.01	12724.68	12652.52	12671.85	12609.03	12709.37
2014	14598.11	14361.53	14385.7	14497.36	14459.23	14354.89	14462.04
2015	16284.50	16234.02	16263.54	16470.04	16373.96	16338.33	16419.66
2016	18574.50	18350.66	18386.50	18576.87	18459.00	18574.50	18576.58
2017	20906.70	20743.27	20786.59	20825.79	20747.80	21034.97	20881.84
2018	23231.19	23447.83	23499.97	23225.76	23271.43	23567.05	23231.19
拟合MAPE（%）		0.99	0.96	0.30	0.38	0.73	0.28
2019	25376.38	26505.02	26567.54	25786.59	26061.32	25723.04	25469.14
2020	27338.56	29960.82	30035.54	28518.88	29150.68	26434.85	27411.18
预测MAPE（%）		7.02	7.28	2.97	4.66	2.34	0.32

年份	2014	2015	2016	2017	2018	2019	2020	2021
新能源汽车销售量（万辆）	5.21	17.84	32.48	54.96	92.26	104.04	136.70	350.00
汽车销售量（万辆）	2486	2476.2	2786.9	2956.7	2816.3	2551.5	2531.1	2608.2
新能源汽车占总销售量比重（%）	0.21	0.72	1.17	1.86	3.28	4.08	4.63	13.42

年份	原数据	弱化缓冲数据	GM(1,1)	DGM(1,1)	灰色幂模型	灰色时间幂模型	DTGPM
2014	5.21	96.73	96.73	96.73	96.73	96.73	96.73
2015	17.84	109.81	90.41	91.62	109.81	111.27	109.60
2016	32.48	125.14	111.11	112.50	117.05	125.95	127.22
2017	54.96	143.67	136.55	138.14	137.24	142.61	141.32
2018	92.26	165.84	167.82	169.62	166.84	161.80	160.82
2019	104.04	190.37	206.25	208.26	206.56	185.60	193.81
2020	136.70	233.54	253.48	255.72	258.43	221.98	249.54
2021	350.00	350.00	311.52	313.99	325.41	297.04	339.14
MAPE(%)	/	/	7.86	7.75	4.72	3.47	2.28
2022E	/	/	382.86	385.54	411.43	484.59	473.49
2023E	/	/	470.53	473.39	521.58	969.27	654.81
2024E	/	/	578.27	581.26	662.40	2169.51	859.99
2025E	/	/	710.69	713.71	842.23	4960.87	1027.01

年份	原数据	GM(1,1)	DGM(1,1)	灰色幂模型	灰色时间幂模型	DTGPM
2014	2486.0	2486.00	2486.00	2486.00	2486.00	2486.00
2015	2476.2	2729.63	2733.17	2476.20	2639.20	2469.78
2016	2786.9	2711.31	2713.64	2746.68	2717.32	2844.03
2017	2956.7	2693.11	2694.24	2839.11	2777.73	2901.24
2018	2816.3	2675.03	2674.98	2821.63	2810.54	2774.19
2019	2551.5	2657.08	2655.86	2735.18	2805.18	2612.96
2020	2531.1	2639.25	2636.87	2606.27	2750.48	2531.24
2021	2608.2	2621.53	2618.03	2452.67	2634.66	2594.33
MAPE（%）	/	4.47	4.44	2.72	4.37	1.08
2022E	/	2603.94	2599.31	2286.50	2445.35	2825.64
2023E	/	2586.46	2580.73	2116.05	2169.58	3217.96
2024E	/	2569.10	2562.29	1946.96	1793.79	3744.78
2025E	/	2551.86	2543.97	1782.97	1303.80	4371.22

New Energy Vehicle Sales Forecast Based on Siscrete Time Grey Power Model

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 29

Related Articles 5

Metrics

Comments

Recommended 0

[1]	XIE Jun-yang, LE Wei, GUO Ben-hai. Pareto Equilibrium of New Energy Vehicle Power Battery Recycling Based on Extended Producer Responsibility [J]. Chinese Journal of Management Science, 2022, 30(11): 309-320.
[2]	HE Yuan, LE Wei, GUO Ben-hai. Research on the Policy Synergy of Central and Local Government on New Energy Vehicle Industry under the Perspective of Policy Field and Time Dimension [J]. Chinese Journal of Management Science, 2021, 29(5): 117-128.
[3]	ZHANG Xue-feng, SONG Ge, YAN Yong. The Impact of Urban Low-carbon Transportation System on the Improvement of The Structure of Energy Consumption——Evidence from 14 Cities in China [J]. Chinese Journal of Management Science, 2020, 28(12): 173-183.
[4]	ZHAO Hua, ZHENG Ji-chuan. The Impact of Different New Energy Vehicle Subsidy Policies on Market Stability [J]. Chinese Journal of Management Science, 2019, 27(9): 47-55.
[5]	YANG Bao-hua, ZHAO Jin-shuai. Optimized Discrete Grey Power Model and Its Application [J]. Chinese Journal of Management Science, 2016, 24(2): 162-168.