改进模糊自回归模型在预测网络接通率中应用.docVIP

改进模糊自回归模型在预测网络接通率中应用 摘要： 针对通信网络中性能指标预测的需要，提出了基于改进 的模糊自回归模型的接通率预测方法，研究了拟合度门限自 适应的模糊自回归模型。将中值滤波应用于模糊自回归模型 的数据预处理中，在此基础上，针对部分应用拟合度门限不 明确的特点，将拟合度门限计算式加入预测模型中，实现模 型拟合度门限的自适应。仿真实验表明：基于Fuzzy AR模 型的预测方法可以用于对接通率的预测，预测结果拟合度较 关键词： 模糊预测；自适应拟合度；模糊自回归模型；接通率预 测；数据预处理 0引言 随着通信网络的发展，承载网络的通信技术已不再是主 要问题，而网络性能的管理越来越受到广泛关注，通信网络 关键性能指标的性能预测更是当前面临的主要问题。通信网 络的接通率是一个时间序列，目前在时间序列的预测方面已 经有许多有益的探索［1-3］。针对通信网络中接通率性能指 标数据的特点［4］，使用基于模糊时间序列［5-7］的预测算 法，并对预测算法进行参数自适应机制方面的研究和改进， 为通信网络中性能指标数据的预测方法提供新思路。最后， 通过仿真实验验证改进模型对接通率预测的有效性。本文实 验数据来源于中国移动通信公司某分公司的TDSCDMA (Time DivisionSynchronous Code Division Multiple Access) 网络运行接通率历史数据。 4结语 Fuzzy AR模型是一种已经在许多领域成功应用的模型 [20]。本文根据接通率数据的特点，使用中值滤波方法对模 糊化后的接通率序列进行了预处理，消除了原本存在的将 Fuzzy AR模型应用于接通率预测上的障碍，使得Fuzzy AR 模型可以顺利地应用。接下来，针对部分应用中拟合度门限 没有合理的选取策略的问题，提出了在Fuzzy AR模型求解 中自适应的拟合度门限算法，为拟合度门限的合理选取提供 了依据和指导。实验表明，改进型的Fuzzy AR算法能够较 好地应用于接通率的建模和预测，且拟合度较高。当然，上 述方法还存在一定不足：在目标函数的选取中可能还有更加 有效和合理的目标函数，相对于传统的线性规划算法，这一 算法计算量偏大等，这也是今后探索和努力改进的方向。 参考文献： ROJAS I , VALENZUELA 0, ROJAS F, et al. Softcomputing techniques and ARMA model for time series prediction [J]. Neurocomputing, 2008, 71 (4/5/6)： 519-537. [2] KAYACAN E, ULUTAS B, KAYNAK 0. Grey system theorybased models in time series prediction [J]. Expert Systems with Applications, 2010, 37 (2): 1784-1789. [3] 张晗，王霞.基于小波分解的网络流量时间序列建模与 预测[J].计算机应用研究，2012，29 (8)： 3134-3136. [4] 陈巍.移动通信网络系统接通率评估体系的研究[D]. 上海：上海海事大学，2006. [5] 吴今培.模糊诊断理论及应用[M].北京：科学出版社， 1995. [6] 吴今培.模糊时间序列建模及应用[J].系统工程， 2002， 20 (4)： 72-76. [7] SONG Q， CHISSOM B S. Fuzzy time series and its models [J]. Fuzzy Sets and Systems, 1993, 54(3)： 269-277. [8] BOX G E P， JENKINS G M. Time series analysis forecasting and control [M]. 2nd ed. San Francisco, CA： HoldenDay, 1976. [9] KASABOV N K, SONG Q. DENFIS： Dynamic evolving neuralfuzzy inference system and its application for timeseries prediction [J]. IEEE Transactions on Fuzzy Systems, 2002， 10 (2): 144-154. [10] HATHAWAY R, BEZDEK J C. Switching regression model and fuzzy clustering[J]. IEEE Transactions on Fuzzy Systems, 19