利用LSTM模型预测中国新能源汽车市场销量

简介：
本研究采用LSTM深度学习模型，基于历史数据，分析并预测中国新能源汽车市场的未来销售趋势，为行业决策提供依据。 神经网络模型通常会遇到过拟合的问题。为了解决这一问题并防止梯度消失现象的出现，我们采用了增加3层丢弃层的方法，并利用Adam优化器自动调整学习率。在这项研究中，使用了ReLU激活函数来处理参数特征，随后连接Batch Normalization层和Dropout层进行数据预处理，最后通过Flatten层对数据进行了平滑化处理。接下来将这些经过处理的数据输入到两个堆叠的LSTM（长短时记忆网络）层以输出预测结果。 在多次调整超参数之后，最终确定丢弃率为0.15。该模型使用的是单特征版本的LSTM结构，并且其损失函数的变化情况显示，在大约进行了三百次训练迭代后，模型的损失值已经接近于零并且趋于稳定状态，这表明了它能够快速收敛到一个较好的参数配置上，从而避免了过拟合或欠拟合的风险。在整个实验过程中，该模型达到了最低10.69%的整体平均绝对百分比误差（MAPE），显示出较高的拟合度和预测准确性。