【摘要】Lasso和自适应Lasso在数据滚动预测过程中压缩保留的自变量不一致，导致生产决策者需要花费时间精力快速根据变化的相关关系做出策略调整。这篇文章首次提出了一类衡量模型一致性的指标，并提出了一种具有历史记忆性的自适应Lasso预测模型权重构造方法，以保证改进的自适应Lasso模型在数据滚动预测过程中的模型一致性。采用蒙特卡洛仿真技术，比较了Lasso、自适应Lasso以及新方法(IA Lasso)在不同残差分布和系数初始估计方法下的模型表现差异。数值结果说明了IA Lasso在预测性能、Oracle性质以及模型一致性上的优良表现。最后将三类Lasso模型应用到我国主机厂车型实际产量预测中，实证结果表明，IA Lasso模型一致性最高且预测效果最佳，决策者可以依据IA Lasso长期关注固定的相关车型。