焦笑，任春华,司佳顺

（1.西南交通大学，制造业产业链协同与信息化支撑技术四川省重点实验室，成都611756；2.北京机械工业自动化研究所有限公司，北京100120）

0 引言

据汽车工业协会最新对汽车市场的分析结果表明，我国汽车产业经济运行态势恢复良好，2020年9月汽车产销呈两位数增长，累计汽车产销降幅已至7%以内[1]。对于汽车制造企业来说，按需生产，是减少制造成本、提高决策效率的关键途径。本文研究对象为汽车产业链协同平台[2]上的中小型企业，针对该类企业中某一个车型来说，其日销量数据较小，且存在实际销售日期不连续的情况，具有明显的小样本数据特征。本文源于实际“整车销售业务”流程，对目标特征进行细分加权，构建小样本条件下的汽车需求量预测模型，为汽车制造企业制定合理的销售计划提供决策支持。

1 相关工作

小样本数据下的学习模型，主要包括基于模型微调、基于数据增强和基于迁移学习[3]。而对于小样本下的销量预测问题，目前也存在很多基于模型优化的解决方法。常用的时间序列预测模型，如：ARMA、ARIMA等，只适合直接预测短期“下一个”数值[4]，而对于需长期预测的场景，基于多学习器集成学习的树模型、处理时间序列问题独具优势的RNN（递归神经网络）及其相关变体[5]、多种算法组合预测模型等应用极为广泛。何喜军等人[6]分别对比XGBoost模型、BP神经网络、SVM支持向量机及BP-SVM组合预测模型，来验证小样本下融合多种特征指标可有效提高预测精度。……