基于网络搜索的预测方法具有独立性和真实性，但其在电动汽车销量预测的实际应用效果有待进一步的研究与验证。目前大多数学者根据人口、政策经济等宏观因素进行全国汽车销量预测。少数学者也结合网络搜索数据对具体车型销量进行预测。但是对于电动汽车的销量预测研究较少。本文通过对电动汽车销售预测模型的分析，发现了基于TEI@I方法论的集成模型的预测能力优于线性模型，主要研究内容及结论如下：
　　1、以WebofScience为检索平台，采集了近20年来的相关文献，利用CiteSpace进行文献聚类分析，得到引文聚类网络图和时区图。聚类结果发现美国、中国在汽车市场预测方面的研究较多，起步较早。并且，目前的研究热点主要集中在汽车销量预测模型的构建和电动汽车充电桩的选址。同时，通过文献整理，总结前人预测电动汽车销量的经验和方法，发现中国学者提出的TEI@I方法论在预测模型中应用广泛。
　　2、从消费者决策理论出发，搭建宏观经济数据、百度指数和口碑数据三个方面的影响因素与电动汽车销量之间相关性的理论框架。通过挖掘消费者网络数据，运用格兰杰因果关系检验和灰色关联度定量分析影响电动汽车销量的因素。以电动汽车车型为实例的研究结果表明，滞后三个月的百度搜索指数对电动汽车销量影响具有时效性。
　　3、以TEI@I方法论为指导，利用先分解后集成的思想，首先，采用主成分回归分析拟合预测模型中的线性关系，然后，分别运用BP神经网络和支持向量机这两个人工智能模型解释残差中的非线性关系，最后，进行集成。以两款汽车车型数据为实例对象，发现PCR-BP模型、PCR-SVM模型预测效力优于单一模型。
　　总之，本文基于TEI@I方法论构建了电动汽车销量集成预测模型，并进行了实例分析，验证了集成模型具有较好的实际预测效力，能够为类似产品市场预测提供有效的决策参考。