摘要：汽车租赁需求预测结果的准确性直接影响到企业的收益。为了提高预测结果的精度，通过提出BP神经网络模型，依托于其强大的功能，对汽车租赁的需求进行预测。最后通过数值算例验证了BP神经网络预测方法的有效性和实用性。
关键字：汽车租赁；需求预测；BP神经网络
引言：汽车租赁作为新兴产业，从无到有，经历了十多年的发展，市场日趋成熟。他是一种新型交通运输服务业态，是综合运输体系的重要组成部分。随着汽车租赁的快速发展，需求预测的重要性就越来越重要。而汽车租赁的需求预测应该是调查分析租车市场的基础上，运用科学的预测方法，对未来的需求及其变化规律做出准确的预测，才能准确把握行业发展趋势，使企业制定精准的策略。同样的，新汽车的购进、租赁车辆的定价、租赁站点的扩建等都要依托于精确的需求数据。但由于汽车租赁的需求经常受到经济发展水平、国家政策、产业结构等复杂因素的影响，致使回归分析法、时间序列法等一系列单一预测方法具有一定的局限性。一般来说，对于平稳时间序列或非平稳的只有趋势性的时间序列分别采用单参数指数、线性或曲线指数平滑模型进行预测比较有效，但对于既有季节又有趋势的时间序列上述方法基本上是无效的[1]。神经网络具有很强的非线性逼近性能及良好的自适应、联想等功能，對于复杂因素影响有很好的解决效果[2]。
1 神经网络基本原理
人工神经网络（ANN）模型是模拟人脑结构和激励行为的并行非线性系统，已成功地应用于信号分析、模式识别、图像处理、自动控制等领域[3]。它主要是模仿人类大脑的神经系统，模型的构建是由大量的神经元组成，通常包含三层：输入层、输出层和隐含层。人工神经网络吸收了人类大脑神经系统的诸多优点：有较强的并行处理能力；有较强的非线性处理能力；较强的容错与记忆联想能力；以及较强的自适应与自学习能力[4]。人工神经网络根据学习方式的不同可分为有导师学习神经网络和无导师学习神经网络。具有代表性的有RBF神经网络、Hopfield神经网络、BP神经网络。由于BP神经网络结构简单、可塑性强，特别的它的数学意义明确、结构算法分明，所以BP神经网络得到广泛的应用。
2 BP神经网络结构
BP神经网络（Back Propagation Network，反向传播网络）是一种多层前馈型人工神经网络，其网络结构通常包含输出层、输入层和隐含层。各层神经元与下一层所有的神经元通过赋予权值的连接进行信号传递。其基本原理是网络学习、训练是由两个相反方向的过程构成，即信号正向传递和误差反向传播[5]。
利用Matlab软件，采用本文建立的BP神经网络预测模型，利用四个周期的需求量，对第五个周期的需求数据进行预测，预测结果见表2.
由表2可知，基于BP神经网络的租车需求预测结果的最大相对误差为8.75%，最小相对误差为2.86%，说明文中提出的基于BP神经网络对于汽车租赁的需求预测有很好的应用性，而且，预测精度也有一定的保障。
结论：汽车租赁需求预测是汽车租赁企业制定后续决策的重要基础和主要依据。本文在相关文献的基础上，利用BP神经网络模型对汽车租赁的需求预测进行了探讨，该模型非常适合预测汽车租赁需求这具有明显趋势以及季节性的数据。最后通过数值算例，通过前四个周期的需求数据对第五周期的需求量进行了预测，验证了该预测方法的可行性，可以为汽车租赁企业提供一定的决策依据。
参考文献
[1] 李晓童. Holt-Winters模型与X-11模型在预测中的比较研究[J].中南大学学报，2000，16（2）：70-73.
[2] 凌浩，陈峻，王炜.用BP神经网络预测下游交叉口进口交通量[J].交通标准化，2005（1）：38-40.
[3] 王庆荣.基于神经网络与Holt-Winters模型的铁路货运量组合预测[J].兰州交通大学学报，2010，29（4）
[4] 司昕. 预测方法中的神经网络模型[J].预测，1998，12（2）：32-35