论文部分内容阅读
[摘 要]电信行业作为一个特殊的经济领域，其生产经营行为符合经济运行规律。如何利用历史话务量数据，估计未来话务量的走向趋势，为电信主管部门做出更为合理的决策提供辅助信息成为电信行业的迫切需要。目前，随着国内电信网络的蓬勃发展，固定电话、移动电话、宽带等的用户数量呈级数增长，电信客服中心作为成本低、服务便捷的渠道越来越受到用户的欢迎和运营商的重视，大规模客服中心的话务员已达数千人。
[关键词]小波变换 ARMA模型 电信行业 话务总量 预测
中图分类号：TH132.41 文献标识码：A 文章编号：1009-914X（2015）22-0277-010
1.话务量分析及其对预测方法的要求
所谓预测，就是对尚未发生或目前还不明确的事物进行预先的估计和推测，是在现时对事物将要发生的结果进行探讨和研究，是综合研究事物内在联系延续与突变过程的一门学科。由于预测涉及的内容非常广泛，包罗万象，如各类工业自动控制技术、財经和金融市场预测、电力管理、交通管理等等，目前各种常用的预测模型和方法有二三十种。总的来说，根据不同的需求、容量和复杂性可以分为以下几类：1）分析预测法，2）技术预测法。正如前面表述，这些术语不仅是话务量预测中唯一使用的，比如还用于股票市场预测。预测方法和模型的选用取决于很多因素，如预测的目的，可用数据的数量，预测的知识，经验等。事实上，不少预测学家对某一特定问题进行深入研究，从而寻找预测精度高的预测方法；或者研究预测方法、预测模型本身，对预测模型的适用范围（适用条件）和预测精度进行研究。
2.话务量的数据采集
近年来我国经济的飞速发展，电信网络承载量也在迅猛增长，因此在通信行业对电信网络流量的预测的需求日益受到移动运营商的关注。话务量是其中最为典型的一种网络流量，一种动态的、随机的时间序列。研究人员发现话务量明显地随季节和每天不同时间段的改变而变化，工作日话务量高于周末，白天流量又明显高于夜间。因此话务量与时间和季节有着明显的关系，将话务量看作一单变量时间序列，具有明显的周期性和季节性。由于作者没有收集到连续几年的流量数据，因此不能得出话务量的年增长趋势，本文将侧重于话务量流量的短期预报。
3.ARMA模型下的话务总量预测分析
由时间序列模型的特性可知，ARMA模型适合描述的对象是均值为零的平稳随机序列，然而实际的建模对象往往即包括平稳的随机部分，又含有确定的非随机分量。因此在对话务量序列建立ARMA模型时，其步骤主要为：
1）需要对观测数据序列进行预处理（平稳化处理），使非平稳的数据序列转化为均值为零的平稳随机序列。
2）确定p、q的大小（定阶），从而确定模型，确定阶的主要方法是根据样本自相关系数和偏相关系数定阶。
3）估计未知参数，从而得到模型。第四步检验残差是否是白噪声过程，如可以采用蒙特卡洛模拟试验方法检验。
4）根据模型进行预测，得到预测值。经过对模型的类别的识别、定阶、参数估计和检验，获得合适的时间序列预测模型后，就可以对未来可能出现的结果进行预测。
4.预测结果
对于这些分解重构后的各个序列，可以再次用其它的方法进行平稳化，从而能得到更高的的预测准确度。但是，为了体现出本文基于小波变换的预测效果，我们不再对它们做其它平稳化处理，而是直接通过建立的ARMA模型进行预测。具体的预测结果如图1所示。图中可见预测的结果误差均小于5%的误差曲线。
5.小结
首先重点进行了话务量分析需求及其对预测方法的要求的分析。随后给出已有的话务量的数据采集过程和采集结果。接着为了后续的对比分析，先进行单纯的ARMA模型下的话务量预测；随后分析将给出根据话务量需求的特点，结合小波变换下ARMA改进模型的优越性，形成论文的核心，即基于小波变换下ARMA改进模型的话务总量预测模型，最后对该话务总量的预测的实现过程进行必要的实验分析。
参考文献
[1] 田凯，杨苹.基于复合模型的智能化移动通信话务预测[J].信息技术，2007，31（4）：45-48.
[2] 胡宪华，吴捷.基于时间序列的移动通信话务预测[J].移动通信，2006，30（10）：82-84.
[3] 杨苹，陈武.基于自适应最优模糊逻辑系统的移动通信话务预测[J].华南理工大学学报：自然科学版，2005，33（12）：66-69.
[4] 邓波，李健，孙涛，张金生，王惠东.基于神经网络的话务量预测[J].成都信息工程学院学报，2008，23（5）：518-521.
[5] 李楠，毛京丽.适应频繁波动特点的移动话务量预测系统[J].电信工程技术与标准化，2008，21（10）：52-56.
[6] 吴扬扬，陈晓峰.电信话务量分析系统的设计与实现[J].计算机工程与应用，2005，41（17）：228-232.
[7] 陈蓉，宋俊德.基于SVM分块回归分析的话务量预测模型[J].计算机应用，2008，28（9）：2230-2232，2235.
[关键词]小波变换 ARMA模型 电信行业 话务总量 预测
中图分类号：TH132.41 文献标识码：A 文章编号：1009-914X（2015）22-0277-010
1.话务量分析及其对预测方法的要求
所谓预测，就是对尚未发生或目前还不明确的事物进行预先的估计和推测，是在现时对事物将要发生的结果进行探讨和研究，是综合研究事物内在联系延续与突变过程的一门学科。由于预测涉及的内容非常广泛，包罗万象，如各类工业自动控制技术、財经和金融市场预测、电力管理、交通管理等等，目前各种常用的预测模型和方法有二三十种。总的来说，根据不同的需求、容量和复杂性可以分为以下几类：1）分析预测法，2）技术预测法。正如前面表述，这些术语不仅是话务量预测中唯一使用的，比如还用于股票市场预测。预测方法和模型的选用取决于很多因素，如预测的目的，可用数据的数量，预测的知识，经验等。事实上，不少预测学家对某一特定问题进行深入研究，从而寻找预测精度高的预测方法；或者研究预测方法、预测模型本身，对预测模型的适用范围（适用条件）和预测精度进行研究。
2.话务量的数据采集
近年来我国经济的飞速发展，电信网络承载量也在迅猛增长，因此在通信行业对电信网络流量的预测的需求日益受到移动运营商的关注。话务量是其中最为典型的一种网络流量，一种动态的、随机的时间序列。研究人员发现话务量明显地随季节和每天不同时间段的改变而变化，工作日话务量高于周末，白天流量又明显高于夜间。因此话务量与时间和季节有着明显的关系，将话务量看作一单变量时间序列，具有明显的周期性和季节性。由于作者没有收集到连续几年的流量数据，因此不能得出话务量的年增长趋势，本文将侧重于话务量流量的短期预报。
3.ARMA模型下的话务总量预测分析
由时间序列模型的特性可知，ARMA模型适合描述的对象是均值为零的平稳随机序列，然而实际的建模对象往往即包括平稳的随机部分，又含有确定的非随机分量。因此在对话务量序列建立ARMA模型时，其步骤主要为：
1）需要对观测数据序列进行预处理（平稳化处理），使非平稳的数据序列转化为均值为零的平稳随机序列。
2）确定p、q的大小（定阶），从而确定模型，确定阶的主要方法是根据样本自相关系数和偏相关系数定阶。
3）估计未知参数，从而得到模型。第四步检验残差是否是白噪声过程，如可以采用蒙特卡洛模拟试验方法检验。
4）根据模型进行预测，得到预测值。经过对模型的类别的识别、定阶、参数估计和检验，获得合适的时间序列预测模型后，就可以对未来可能出现的结果进行预测。
4.预测结果
对于这些分解重构后的各个序列，可以再次用其它的方法进行平稳化，从而能得到更高的的预测准确度。但是，为了体现出本文基于小波变换的预测效果，我们不再对它们做其它平稳化处理，而是直接通过建立的ARMA模型进行预测。具体的预测结果如图1所示。图中可见预测的结果误差均小于5%的误差曲线。
5.小结
首先重点进行了话务量分析需求及其对预测方法的要求的分析。随后给出已有的话务量的数据采集过程和采集结果。接着为了后续的对比分析，先进行单纯的ARMA模型下的话务量预测；随后分析将给出根据话务量需求的特点，结合小波变换下ARMA改进模型的优越性，形成论文的核心，即基于小波变换下ARMA改进模型的话务总量预测模型，最后对该话务总量的预测的实现过程进行必要的实验分析。
参考文献
[1] 田凯，杨苹.基于复合模型的智能化移动通信话务预测[J].信息技术，2007，31（4）：45-48.
[2] 胡宪华，吴捷.基于时间序列的移动通信话务预测[J].移动通信，2006，30（10）：82-84.
[3] 杨苹，陈武.基于自适应最优模糊逻辑系统的移动通信话务预测[J].华南理工大学学报：自然科学版，2005，33（12）：66-69.
[4] 邓波，李健，孙涛，张金生，王惠东.基于神经网络的话务量预测[J].成都信息工程学院学报，2008，23（5）：518-521.
[5] 李楠，毛京丽.适应频繁波动特点的移动话务量预测系统[J].电信工程技术与标准化，2008，21（10）：52-56.
[6] 吴扬扬，陈晓峰.电信话务量分析系统的设计与实现[J].计算机工程与应用，2005，41（17）：228-232.
[7] 陈蓉，宋俊德.基于SVM分块回归分析的话务量预测模型[J].计算机应用，2008，28（9）：2230-2232，2235.