话务量分析和多种预测模型比较研究.pdfVIP

话务量分析和多种预测模型的比较研究 话务量分析和多种预测模型的比较研究 摘要 随着通信网应用和规模的不断增加，网络管理变得越来越重要， 新一代的网管系统对业务量的预测也提出了新的需求，其中通信话 务量的预测分析已经成为其中非常重要的一部分。准确的话务量预 测对网络管理、规划和设计具有重要意义，围绕这一问题，本论文 重点对话务量分析进行研究，常用的预测模型有ARMA模型和BP 预测模型，然而ARMA预测模型预测速度慢、BP预测模型参数难 以选择，因此本文提出了一种预测速度快、效果好的预测模型—— 基于SVM回归算法的预测模型。最后针对话务量的特性，提出了一 种基于SVM多模型的预测模型，用于对工作日和周末话务量数据分 别建立预测模型。 本论文主要贡献包括以下几个方面：1)设计了一种通用的话务 量预测模型框架；2)基于MATLAB实现了三种不同的预测模型， 包括两种常用的ARMA模型和BP预测模型，以及提出的基于SVM 回归算法的预测模型；3)针对话务量的特性，提出了一种基于SVM 多模型的预测模型；4)详细比较了各种模型的性能，探讨了最优预 测模型的选择步骤。其具体过程如下： 首先，本论文研究了通信话务量的特性，探讨了话务量预测的 意义并且调研了常用的话务量预测的方法。 其次，本论文介绍了多种预测模型的理论，ARMA模型将预测对 象随时间推移而形成的序列数据视为一个随机序列，并且用一定的 数学模型来近似描述这个序列；BP神经网络通过多层的神经网络近 似模拟一个连续的非线性函数来预测话务量；SVM回归模型则是首先 获得一系列的支持向量，然后通过二次优化逼近一个非线性函数来 预测话务量。 基于预测模型的理论分析，本论文给出了话务量预测模型的设 计框架，并且详细描述了实现三种预测模型的过程：包括常用的 ARMA模型、BP神经网络和提出的SVM回归模型。针对话务量的 话务量分析和多种预测模型的比较研究 特性，提出了一种基于SVM多模型的预测模型，用于对工作日和周 末话务量数据分别建立预测模型。之后，探讨了选择最优预测模型 的步骤，并且详细比较了各种预测模型的效果。 最后本文汇报了各种模型的预测结果和性能，为了评估不同模 型的预测性能，采集了四个话务量数据库进行实验仿真。实验结果 表明本文提出的SVM预测模型的平均预测误差最小，其最小均方误 0．0114，两者都比BP模型的预测效果好；而且SVM的预测速度明 显比ARMA模型快，综合各方面考虑，SVM预测模型的整体性能 最优。 关键词：话务量分析，预测模型，ARMA模型，BP模型，SVM模型 话务量分析和多种预测模型的比较研究 第一章绪论 1．1课题背景 现在移动通信的用户数和话务量保持着高速增长的势头，移动网络长久、稳 定的运行，有赖于及时、有效的网络规划与优化，运营者以主动性的网络变化成 功应对用户行为的变化及其趋势。移动通信话务量超过一定容量时，极易造成交 换系统过载，出现电路拥塞，话音当接通率下降、话务掉话比上升，甚至出现交 换机大面积瘫痪的现象，给移动通信运营商和移动用户都造成不可弥补的损失。 因此根据话务统计资料和其他业务信息对移动通信话务量的变化趋势进行预测， 以此来确定工程扩容将要达到的容量，并由各地设定的相应话务模型计算设备的 有效容量，从而决定满足设计容量的设备类型和数量，对于移动通信运营商来说 非常有必要。 预测结果的准确与否直接关系到企业未来的发展，因此对话务量需求的预测 准确率不高，是我们研究和引入新的预测技术以及方法的重要原因之一：大部分 移动公司目前采用的预测技术，仅限于简单函数的拟合预测，这种简单预测模型， 实际上对一种趋势的粗略的估计，在业务快速发展和网络快速工程建设中，起到 一定的积极作用；而今天，用户行为以及网络规模和结构的变化，原有简单趋势 预测技术己经不再适合了。因此，利用现代数学中有关估计和预测模型进行移动 网络话务模型研究，提高预测的准确度，意义非常重大。 随着用户群体类型的复杂化、开展业务形式的复杂化以及网络结构的日益复 杂化，话务量的变化方式也趋于复杂。对话务量预测模型进行研究和引入新的预 测模型，将具有重大意义。该论文选题基于前沿的