硕士论文-针对电信行业自适应智能话务预测模型的研究与实现

《硕士论文-针对电信行业自适应智能话务预测模型的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电子科技大学硕士学位论文针对电信行业自适应智能话务预测模型的研究与实现姓名：向炳新申请学位级别：硕士专业：计算机应用技术指导教师：佘堃20070423中文摘要随着中国经济的不断繁荣，我国电信业也取得了非凡的业绩，各个电信运营商积累了大量的话务量等数据，且话务数据也具备时间序列的性质，因此可以用时间序列的基本理论和方法，分析这些历史话务数据，找出其变化发展的规律，并建立合理的话务预测模型，实现对未来平时和节假日情况的自适应话务预测。准确合理的预测结果可以作为各个运营商进行网络维护、市场规划等工作的决策基础，故话务预测具有重要的意

2、义。本文研究的电信行业自适应智能话务预测模型及实现，主要内容包含：时间序列基本理论及常见预测模型、话务时间序列的周期分析、平时情况的话务量预测模型研究、节假日情况的话务量预测模型研究、以及话务量预测模型的具体系统实现等。论文是对作者研究工作的全面总结，其中的关键内容包括如下几方面：(1)对比分析了几种常见的时间序列预测模型及其应用时间序列建模的相关理论是本文研究的理论基础，针对话务预测建模问题，作者对比分析了几种常见的时间序列预测模型，并根据时间序列模型选择的常见准则和理论等，对其在具体应用中做了详细的分析和说明。(2)提出一

3、种话务时间序列周期分析算法——一种时间序列较优周期搜寻算法作者研究出一种话务时间序列周期分析算法，即一种时间序列较优周期搜寻算法，该算法克服了传统时间序列周期分析方法的一些缺点，也作为话务预测算法研究的基础。研究该算法时运用了统计和最小二乘法等数学知识，并引入集合划分的思想，通过合理的分组，使其各组样本所得到的总体均方差达到最小，从而找出话务时间序列的周期。实验表明该算法容易实现，搜寻得到的周期和实际情况是相吻合的，且效果较好。(3)提出一种平时情况的话务量预测算法——一种线性最小方差自适应话务量预测算法运用传统的Bo)【--

4、Jenkins(简称B—J)时间序列预测建模法，进行预测建模处理，通过详细的分析和实验说明：“传统的B—J时间序列预测法并不太适合直接运用在话务时间序列预测建模中”。为此，作者研究出一种平时情况的话务量预测算法，即一种线性最小方差自适应话务量预测算法，针对话务时间序列时变性比较强的特点，该预测算法在参数估计的时候运用了带遗忘因子的递推最小二乘算中文摘要法等。通过一系列模拟实验，说明该预测算法对日常话务量的预测效果比较好。(4)提出一种节假日话务量预测算法作者研究出一种节假日自适应话务预测算法，该算法采用了时间序列的水平和速度分

5、析法、遗忘因子参数估计法、以及集合分组划分等方法。利用该预测算法对节假日进行话务预测的时候，它具有适应性强、关联程度高、预测效果好等优点。通过节假且话务量对比预测实验，说明该预测算法比较适合用于节假日的话务量预测。(5)提出预测算法软件化方法作者论述了预测方法软件化的基本原理，提出了预测软件工作的具体流程，并设计出了四川移动智能预测系统的基本结构，再根据所研究的自适应话务预测算法，设计和实现了话务预测软件。目前，该话务预测系统已经在四川移动得到了运用，并取得了好的效果。关键词：话务预测，时间序列，最小二乘法，遗忘因子，预测算法

6、ⅡAbstractAlongwiththeprosperityofChineseeconomy,thetelecommunicationindustryhasgotmanyextraordinaryachievementsinourcountry．Eachtelecommunicationcorporationhasaccumulatedlargeamountsoftrafficdata．rIhmcdataalsohasthenatureoftimeseries．SoweCallusethebasictheoriesandth

7、emethodsoftimeseriestoanalyzethesehistoricaltrafficdata，Thenfindouttherulesofmeirchanging,andestablishsomereasonabletrafficforecastmodelstoimplementauto-adaptedtrafficforecastfortheconditionsofcommondaysandfestivals．Accurateandreasonableforecastresultscallbeasthebas

8、icofdecision-makingforeachtelecommunicationcorporation’snetworkmaintenanceandmarketprogramming，etc，Thereforetrafficforecasthasgreatofsigni