论文部分内容阅读
近年来,伴随着移动通信网络规模地迅速发展,呈现出用户数量的不断增加,网络结构的日趋复杂的现象,直接导致了话务量的持续攀升,特别是在传统的节假日期间,话务量会出现急剧的激增现象,使得通信网络拥塞,影响通信质量,因此对于移动通信运营商而言,提前掌握话务量的变化趋势可提高其市场竞争力。话务量的需求预测对于移动通信网络运营商进行网络规划以及配置至关重要,预测结果的准确与否关乎着企业未来的发展。传统的话务量的预测方法,是根据历史话务量来预测未来话务量的,常用的预测模型有ARMA模型、神经网络、支持向量机等。在无线通信网络中,话务量实际上是受多种因素的影响,不仅仅与历史话务量有关,还与短信、忙时用户数、开机用户数、GPRS上行流量、GPRS下行流量等因素相关。传统的预测模型多适应于单因素,用来预测受多因素影响的话务量会影响到预测的精度,因此为了更为精确的预测话务时间序列,本文提出了适用于多因素的话务量预测模型,相应的研究内容为:1.根据五一期间移动话务量数据特点以及其变化特性,提出了支持向量机补偿的多因素灰色模型话务量预测模型。选出与话务量相关的数据,用灰色关联分析法找出与话务量相关性较大的因素,首先用多因素灰色模型MGM(1,n)对话务量进行预测,进一步得到残差序列,再用支持向量机建立残差预测模型,进而实现残差补偿。仿真结果表明,该算法所需样本数量少,预测精度高。2.为进一步提高话务量的预测精度,通过对支持向量机中核函数的改进,提出了一种改进的支持向量机补偿的灰色话务量预测模型。支持向量机中的核函数影响其预测的精度,本文采用的小波核函数,有较好的泛化能力。仿真结果表明,预测的速度快,准确度更高。