【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于多尺度序列融合lstm网络的新能源汽车销量预测方法。
技术介绍
1、随着科技的发展，新能源汽车市场占比越来越高。现有新能源汽车销量预测方法大多是根据销量数据直接构建模型进行预测，基本思路为：在选取出所需的往年新能源汽车销量数据后，通常选用ssa-svr研究模型或某些组合模型，通过分析往年销量中的某些线性关系，直接得出预测的销量数据。
2、以上方法在新能源汽车销量数据预测过程中，仅考虑到销量数据本身的相关性，忽略了会对新能源汽车销量造成影响的其他指标变化。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种基于多尺度序列融合lstm网络的新能源汽车销量预测方法。具体包括：
2、第一方面，本专利技术提供了一种基于多尺度序列融合lstm网络的新能源汽车销量预测方法，应用于基于多尺度序列融合lstm网络，
3、基于多尺度序列融合lstm网络，包括：
4、多尺度序列生成模块、多尺度序列特征提
【技术保护点】
1.一种基于多尺度序列融合LSTM网络的新能源汽车销量预测方法，其特征在于，应用于基于多尺度序列融合LSTM网络，
2.根据权利要求1所述的方法，其特征在于，所述多尺度时间序列，表示为：
3.根据权利要求1或2所述的方法，其特征在于，所述多尺度序列特征提取和预测模块，描述为：
4.根据权利要求3所述的系统，其特征在于，
5.根据权利要求1或2所述的方法，其特征在于，所述目标影响因素指标包括：充电桩保有量、居民消费价格指数、居民人均可支配收入、新能源汽车产业投融资披露总额、国内生产总值GDP、续航售价比、续航快充比、碳酸锂...
【技术特征摘要】
1.一种基于多尺度序列融合lstm网络的新能源汽车销量预测方法，其特征在于，应用于基于多尺度序列融合lstm网络，
2.根据权利要求1所述的方法，其特征在于，所述多尺度时间序列，表示为：
3.根据权利要求1或2所述的方法，其特征在于，所述多尺度序列特征提取和预测模块，描述为：
4.根据权利要求3所述的系统，其特征在于，
5.根据权利要求1或2所述的方法，其特征在于，所述目标影响因素指标包括：充电桩保有量、居民消费价格指数、居民人均可支配收入、新能源汽车产业投融资披露总额、国内生产总值gdp、续航售价比、续航快充比、碳酸锂价格、汽油价格和新能源...
【专利技术属性】
技术研发人员：朱文雅，郝旭东，杨文贵，李守坤，常珈绮，
申请(专利权)人：三门峡职业技术学院三门峡开放大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。