【摘要】： 隨著通信網(wǎng)應用和規(guī)模的不斷增加,網(wǎng)絡(luò)管理變得越來越重要,新一代的網(wǎng)管系統(tǒng)對業(yè)務(wù)量的預測也提出了新的需求,其中通信話務(wù)量的預測分析已經(jīng)成為其中非常重要的一部分。準確的話務(wù)量預測對網(wǎng)絡(luò)管理、規(guī)劃和設(shè)計具有重要意義,圍繞這一問題,本論文重點對話務(wù)量分析進行研究,常用的預測模型有ARMA模型和BP預測模型,然而ARMA預測模型預測速度慢、BP預測模型參數(shù)難以選擇,因此本文提出了一種預測速度快、效果好的預測模型——基于SVM回歸算法的預測模型。最后針對話務(wù)量的特性,提出了一種基于SVM多模型的預測模型,用于對工作日和周末話務(wù)量數(shù)據(jù)分別建立預測模型。 本論文主要貢獻包括以下幾個方面:1)設(shè)計了一種通用的話務(wù)量預測模型框架;2)基于MATLAB實現(xiàn)了三種不同的預測模型,包括兩種常用的ARMA模型和BP預測模型,以及提出的基于SVM回歸算法的預測模型;3)針對話務(wù)量的特性,提出了一種基于SVM多模型的預測模型;4)詳細比較了各種模型的性能,探討了最優(yōu)預測模型的選擇步驟。其具體過程如下: 首先,本論文研究了通信話務(wù)量的特性,探討了話務(wù)量預測的意義并且調(diào)研了常用的話務(wù)量預測的方法。 其次,本論文介紹了多種預測模型的理論,ARMA模型將預測對象隨時間推移而形成的序列數(shù)據(jù)視為一個隨機序列,并且用一定的數(shù)學模型來近似描述這個序列;BP神經(jīng)網(wǎng)絡(luò)通過多層的神經(jīng)網(wǎng)絡(luò)近似模擬一個連續(xù)的非線性函數(shù)來預測話務(wù)量;SVM回歸模型則是首先獲得一系列的支持向量,然后通過二次優(yōu)化逼近一個非線性函數(shù)來預測話務(wù)量。 基于預測模型的理論分析,本論文給出了話務(wù)量預測模型的設(shè)計框架,并且詳細描述了實現(xiàn)三種預測模型的過程:包括常用的ARMA模型、BP神經(jīng)網(wǎng)絡(luò)和提出的SVM回歸模型。針對話務(wù)量的特性,提出了一種基于SVM多模型的預測模型,用于對工作日和周末話務(wù)量數(shù)據(jù)分別建立預測模型。之后,探討了選擇最優(yōu)預測模型的步驟,并且詳細比較了各種預測模型的效果。 最后本文匯報了各種模型的預測結(jié)果和性能,為了評估不同模型的預測性能,采集了四個話務(wù)量數(shù)據(jù)庫進行實驗仿真。實驗結(jié)果表明本文提出的SVM預測模型的平均預測誤差最小,其最小均方誤差為0.0091,而ARMA模型的平均預測誤差略高于ARMA模型為0.0114,兩者都比BP模型的預測效果好;而且SVM的預測速度明顯比ARMA模型快,綜合各方面考慮,SVM預測模型的整體性能最優(yōu)。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：F224;F626
【圖文】：

20001000..……}}}}}}}}}}}}}}}}10hOUr圖4一2每小時平均話務(wù)量Fig.4一 2AVeragehourlyeommunieationtraffiedata

話務(wù)量分析和多種頂測模型的比較研火200400圖4一1長春市移動G4的話務(wù)量(以“小時”為單位)Fig.4一 1CornrnunieationtrafficdataoftheChuangehunG4(unit:hour)缺 ragestream(hour)6000500040003000任川O﨎村的20001000..……}}}}}}}}}}}}}}}}10hOUr圖4一2每小時平均話務(wù)量Fig.4一 2AVeragehourlyeommunieationtraffiedata

【引證文獻】

相關(guān)期刊論文 前2條

1 張一農(nóng);劉伯龍;王文婷;;基于神經(jīng)網(wǎng)絡(luò)的客服中心話務(wù)量預測模型[J];吉林大學學報(信息科學版);2011年02期

2 謝傳柳;王俊峰;夏正洪;牟穎;;大型呼叫中心排班算法的研究[J];計算機工程與設(shè)計;2010年23期

相關(guān)碩士學位論文 前5條

1 侯宗仁;TD-SCDMA網(wǎng)絡(luò)性能分析系統(tǒng)的設(shè)計與實現(xiàn)[D];大連理工大學;2010年

2 尹先明;日照港附近水域?qū)嵤┐岸ň�制的研究[D];武漢理工大學;2011年

3 伍起鑫;基于KML的CDMA網(wǎng)絡(luò)綜合信息展示系統(tǒng)研究與實現(xiàn)[D];武漢理工大學;2011年

4 王卓群;基于回聲狀態(tài)網(wǎng)絡(luò)的移動話務(wù)量預測方法[D];哈爾濱工程大學;2011年

5 李丹;基于神經(jīng)網(wǎng)絡(luò)的北京聯(lián)通GSM話務(wù)量預測[D];北京郵電大學;2009年

本文編號：2719635