微分进化策略在忙时话务预测中的应用.docxVIP

支持向量机结合微分进化策略在忙时话务预测中的应用 韩锐①*贾振红① 覃锡忠①常春②王浩② ①(新疆人学信息科学与工程学院 乌鲁木齐 830046) ②(中国移动新疆分公司 乌鲁木齐830063) 摘要：本文丿IJ支持向量冋归机与微分进化策略相结合的方法，对新疆两个地区的月平均忙时话务量 进行预测。凭借微分进化策略良好的金局搜索性质，以预测平均相对误差为H标函数，对支持向量 机的超参数进行寻优，利用优化好的支持向量机刀平均忙时话务量进行预测，并与传统的网格寻优 算法和RBF神经网络进行比较。结果衣明支持向量机的泛化能力与微分进化策略的搜索能力和结合， 可以得到更好的预测效果。在微分进化策略的两种扰动策略当中，对当前兹优值的扰动策略耍好于 对当前随机值扰动的策略。 关键字：微分进化策略；支持向量机；月忙时话务预测 中图分类号:TP181 文献标识码：A Application of SVM with DE-strategy to Telephone Traffic Load ofMonthly Busy Hour Prediction ① ① ① ② ② Han Rui Jia Zhen-hong Qin Xi-zhong Chang Chun Wang Hao 1 (College of Information Science and Engineering, Xinjiang University, Urumqi 830046, China) (Xinjiang Mobile Communication Company, Urumqi, 830063, China) Abstract: Telephone traffic load of monthly busy hour in two states of Xinjiang are predicted by the method of support vector machine combines with differential evolution strategy. The hyper-parameter of SVM is optimized via the DE-strategy and the MAPE criteria is defined as the objective function. Telephone traffic load of monthly busy hour is forecasted by the optimized SVM, the predicted result is compared with the method of grid search and RBF neural network? A better prediction result is obtained by the generalization property of SVM combines with searching property of DE-strategy. The strategy of perturbing the current best value is better than perturbing the current random value in the DE-strategy. Key words: Differential evolution strategy (DE- strategy); Support vector machine (SVM); Traffic load of monthly busy hour prediction. 1引言 支持向量机理论口从捉出以來［1］,就因其良好的泛化能力和严密的数学结构受到学者们的广 泛关注［2］。近儿年，支持向量机作为一种预测工具，已经应川在了医疗诊断［3］、电能需求预测［4］, 以及链路负荷［5］等方血。然而，支持向量机的学习性能与英核函数的超参数有着很重要的联系［6］。 因此，合适的超参数对支持向量机的预测能力有很人的帮助。微分进化策略［7］作为一种实值的群 体智能优化算法，具有实现简单、可控参数少、鲁棒性强等特点，适用于求解全局优化问题，并对 廿标函数的可微性与约朿条件没有要求，已在实际应丿IJ中取得良好的效果［8］。利用微分进化策略 优秀的全局搜索能力，可以对支持向量机的超参数进行搜索，从而达到预期的优化「I标。 本文首先通过忙时话务量的定义，计算新疆地区的每月话务总量，从而得到每月忙时平均话务 量的时间序列，其次通过微分进化策略对支持向量回归机的超参数进行寻优，最后利川训练好的支 持向量回归机对每月忙时平均话务量进行时间序列预测。 2相关原理及算法 2.1对月忙时平均话