当今企业发展不仅要关注产品质量,更注重产品的售后服务以及客户满意度的维护。而呼叫中心是客户与企业沟通的窗口,其发挥的作用则越来越重要。由于呼叫中心直接接触客户,因此其传递给客户的企业形象将直接影响到客户对企业以及企业产品的认可。因此提高呼叫中心的服务质量则被越来越多的企业所重视。呼叫中心的服务质量体现在很多方面,而服务水平（service level）是呼叫中心服务质量体系中最重要的一项指标,若想要达到较高的服务水平则是与良好的人员排班管理密不可分的,合理的排班管理则又依靠于话务量的准确预测,因此研究话务量的预测方法则对呼叫中心有着重要且实际的意义。而话务量预测方法的选取是话务量预测准确的前提条件,也成为本文研究的重要内容。本文对H公司某部门的话务量数据进行研究,以寻求在实际应用中针对不同话务量数据特点,找到适合的话务量预测模型。本文首先针对呼叫中心话务量数据特点进行分析,分为时间序列数据和话务量影响因素数据.根据话务量时间序列的特点,分别研究了三种神经网络（BP,Elman,LSTM）的时间序列预测模型以及ARIMA时间序列预测模型,分析各种模型的结构的不同以及不同的适应性,分别进行实验,从而得出在话务量时间序列预测模型中,LSTM时间序列神经网络预测模型的预测精度最高的结论;根据话务量影响因素的特点,利用灰色关联分析确定关键影响因素后与历史话务量一起作为输入数据,同时对三种神经网络（BP,Elman,LSTM）影响因素预测模型进行训练与测试,得出话务量影响因素模型中,Elman神经网络影响因素模型的预测精度最好。最后将所有预测模型的结果进行综合分析与评价,得出针对不同话务量数据而选择适合的神经网络话务量预测模型。根据研究结论,话务量时间序列数据充足的条件下选用LSTM时间序列预测模型对话务量进行预测,模型预测精度超出公司预测精度要求。本文研究结论不仅可以帮助解决公司内部运营组自定义话务量预测需求,而且在公司预测系统更替时可以给与备用系统支持的作用,具有很大的实际意义。