张倩，任春华，高雪芹，王波

（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；3. 成都国龙信息工程有限责任公司，成都 611756）

0 引言

近年来，我国工业发展迅速，带动了汽车行业的蓬勃发展。据统计，2020 年9 月我国汽车产量为252.4 万辆， 环比增长19.1%， 同比增长14.1%；销量完成256.5 万辆，环比增长17.4%，同比增长12.8%。截至2021年1月，汽车产销连续6 个月呈现增长趋势[1]。对于企业而言，随着汽车市场行业竞争不断增大，企业承受着汽车的生产、存储、物流等环节成本不断增加的风险。因此，汽车企业想要在激烈的竞争中获得一席之地，需要对市场需求有清晰的认识。本文基于汽车产业链协同平台[2]，对汽车价值链业务协同过程中产生的不同车型的整车销售数据进行提取，进行整车需求量预测，为制造企业提供生产销售决策支持。

1 相关工作

针对整车需求量预测，已经有不少学者进行了广泛研究。现有的需求量预测方法中，通过数学建模的方式去拟合数据的历史变化趋势是传统的时间序列预测模型采用的方法，大多方法都是线性的，无法抽取出变量和结果之间的关系。这种模型仅适用于预测短期的下一个数值[3]。而对于需要长期预测的场景，基于多学习器集成学习的树模型、RNN 及其变体[4]、多种组合预测算法被广泛采用。张雷东等[5]利用Stacking 策略将XGBoost、支持向量回归（SVR）、GRU 神经网络作为基础模型，融合了新的特征后，将得到的新特征放入到LightGBM 预测模型中，得到最终的预测结果，提高了模型的预测性能。……