天津移动GSM网话务量分析与预报.ppt

基于时间序列分析的无线通讯业务建模和预测 天津大学计算机系 2003.01.09 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 目录 模型介绍 ARIMA模型 季节模型 ARIMA乘积模型 主要工作 目录 GSM网话务量分析 话务量变化曲线 频谱分析 天话务量频谱分析 小时话务量频谱分析 话务量建模 模型诊断 话务量预报 预报结果比较 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 课题背景 从90年代初GSM数字移动通信进入中国到现在经过了飞速的发展，从北京移动通信局对北京的统计结果表明其发展速度呈指数倍增长 业务建模在网络设计、网络规划以及网络性能评价方面都起到很重要的作用，特别在研究网络业务时，时间序列模型是一种很重要的工具 课题背景 时间序列模型中，ARIMA (Auto Regressive Integrated Moving Average)模型可以较好的获取网络的业务特性。同时有许多ARIMA模型的变种已被广泛应用，例如：FARIMA和季节ARIMA模型 我们实验室以前曾将FARIMA应用于准入控制；并用带周期的ARIMA模型对天津数据通信局2163、163拨号网络的业务量进行了分析和预报 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 时间序列 －－－介绍 时间序列是按照时间顺序取得的一系列的观测值。 时间序列的本质特征：相邻观测值的依赖性；对时间序列的分析就是对这种依赖性进行分析。 可以对时间序列数据生成随机动态模型，可以将这种模型应用到各种领域。 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 时间序列 －－－应用领域 时间序列以及动态模型的应用主要有以下四个领域 由时间序列当前值和过去值对未来值的预报 确定惯性系统的传递函数，即确定动态输入－输出模型，可以用来描述任一给定序列对系统输出的影响 在传递函数模型中使用示性输入变量来描述和评价异常干扰事件对时间序列特性的影响 设计简单的控制方案，由此可以通过对输入序列值的调整来尽可能地补偿系统输出对于理想目标值的潜在偏差 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 时间序列 －－－分类 时间序列分为两种：平稳和非平稳 平稳时间序列定义 设时间序列 {Xt , t∈Z}，若 Xt满足条件 (i) EXt = μ（常量） t∈Z, (ii) E[XtXt+k]与t无关，k∈Z, 则称Xt 是平稳的时间序列 目录 课题背景 时间序列 介绍 应用领域 分类 用于预报的随机模型 用于预报的随机模型 用于预报的随机模型分为平稳和非平稳 相应于平稳的时间序列有平稳模型来描述，平稳模型都是假设过程在一个不变的均值附近保持均衡，例如AR(Auto Regressive)模型，MA(Moving Average)模型，ARMA模型 许多时间序列不具有在时间不变的均值水平，更适合用非平稳模型来描述，ARIMA模型就是其中的一种。但是ARIMA模 型不仅可以用于非平稳的时间序列，也可用于平稳的时间序列。 目录 模型介绍 ARIMA模型 季节模型 ARIMA乘积模型 主要工作 模型介绍 －－－ARIMA模型 ARIMA（p，d，q） 其中Xt 为观测到的时间序列， {at:t=…－1,0,1,…} 是白噪声满足均值为零，方差为?2 的高斯分布，B为延迟因子满足BXt = Xt-1 ，p和q分别是AR和MA的阶数，d表示差分的阶数。p,d,q为非负的整数。 模型介绍 －－－ARIMA模型 是差分算子 的定义如下： ? (B) 、?(B) 的表达式如下： 模型介绍 －－－ARIMA模型 ? (B)=0 、? (B)=0的根全部在单位圆外, 且?p ≠0, ?q≠0 目录 模型介绍 ARIMA模型 季节模型 ARIMA乘积模型 主要工作 模型介绍 －－－季节模型 通常当一个序列在s个基本时间间隔后呈现出相似性时，我们就称该序列表现出以s为周期的周期特性。 在这里我们用ARIMA的乘积模型来表示季节模型。 目录 模型介绍 ARIMA模型 季节模型 ARIMA乘积模型 主要工作 模型介绍 －－－ARIMA乘积模型 假定Xt 为第t个时间间隔的观测值，可以用下面的ARIMA模型把Xt 与他以前周期内同一时间间隔的观测序列联系起来