移动通信网话务量需求的混沌特性及预测方法研究

《移动通信网话务量需求的混沌特性及预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学硕士学位论文移动通信网话务量需求的混沌特性及预测方法研究姓名：徐伟强申请学位级别：硕士专业：通信与信息系统指导教师：王敏锡2002.12.1西南交通大学硕士研究生学位论文第l页测的研1摘要着移动电话在中国的普及，对话务量需求的预测日益受到移动运营商的文研究提供了依据。2．话务量需求是受多种因素影响的非线性系统。本文运景相空间重构技术求取了最佳嵌入延迟和嵌入维的估计值，运用w01f算法估算皇最大Lyapuno、‘指数和最大可预测时间。研究结果表明了话务量时间序列具言混沌特性及可预测性。3．由于移动话务量的时间序列表现出复杂的非线性混沌寻性．而砷经习终具有很强的非线性映射能

2、力，理论上能以任意精度逼近任意形式的非线性函数．而且具有很强的学习能力，因此采用了神经网络对话务量时恳亭列迸吁预测。先运用BP网络对其进行预测。之后，考虑到话务量时间序歹．磊具有洹沌特性．同时也具有随机、趋势、周期循环等特性，为提高预测效果，应乓了动态著性交强的递归神经网络一E1man网络，提高了预测精度。4．任何单一的预测法所获的信息是有限的，因此该类方去要冒薮大自々风险。为此，提出了将几种不同预测方法取得的预测僮加权平芝舌作为曩终预测值的组合预测法。考虑到遗传算法具有全局优化．并行处理、通用性妤、稳定丝强等优点，本文运用参数自适应实数遗传算法来求得组合夏测的权系数．仿真的结果表

3、明了预测精度有所提高。5．比较系统地提出了移动通信网话务量需求预测系统的发计思路：上述几方面的研究，使移动运营商预测话务量需求有了乏论指导，也为国内移动通信网话务量需求预测的研究作了有益的探索。关键词：话务量：混沌；神经网络：遗传算法；组合预测西南交通大学硕士研究生学位论文第

4、I页AbstractWiththepopularityofmobiletelephoneinChina，nmbileoperatorhasbeenpayingmoreandmoreattentiontothepredictionofthetelephonetrafficdemand．theaccuracyof

5、thepredictionresultdirectlyconcernsthefuturedevelopmentofmterpfise．Therefore，researchonthepredictionofthetelephonetrafficdemandis，；ncreasinglyurgent．Inthispaper,thefollowingaspectshavebeenmainlystudied．1．Thevariousintemationalpredictionmethodswhichha、reofferedbasisfortheresearchinthispaperares

6、皿marized．2．Thetelephonetrafficdemandisnonlinearsystemaffectedbyvariousfactors．．Thevalueoftheoptimaldelaytimelagandembeddingdimensionareestimatedthroughphasespacereconstruction．LargestLyapunovexponemandpredictabletimeareacquiredbyapplyingWolfalgorithm．TheresearchresulthasshownChaospropertyandpr

7、edictabilityofthetime-seriesofthetelephonetrafficdemand．3．Sincethetime—seriesofthetelephonetra币cdemandshowcomplexnonlinearityandchaosproperty,andneuralnetworkhasthestrongabilitytomapnonlinearandcarltheoreticallyapproachnonlinearfunctionsinanyformwithhighprecision，andhasthepowerfullearningabili

8、ty,therefore，neuralnetworkisappliedtothepredictionofthetime—seriesofthetelephonetrafficdemand．Firstly,BA捌h"ClaroPagationneuralnetworkisused．Then，recurrentneuralnetwork—ElmannetworkwhichhasmoredynamicpropertyisadoptedtOpredictthetelephon