時(shí)間序列分析法在移動(dòng)通信數(shù)據(jù)分析中的研究與應(yīng)用.pdf

1、移動(dòng)通信作為電信業(yè)的重要業(yè)務(wù)，直接向社會(huì)提供信息服務(wù)，其發(fā)展趨勢(shì)、自身規(guī)模的調(diào)整及自身通信技術(shù)的調(diào)整或提升，對(duì)國(guó)家的信息安全、經(jīng)濟(jì)安全與發(fā)展、人民的生活、電信運(yùn)營(yíng)商本身的發(fā)展都有重大影響。移動(dòng)通信數(shù)據(jù)大部分都是時(shí)間序列，若能從歷史數(shù)據(jù)進(jìn)行時(shí)間序列分析，提取其中有用的信息，無(wú)疑能為電信運(yùn)營(yíng)商發(fā)展和決策提供幫助。
　　 支持向量機(jī)，是基于結(jié)構(gòu)最小化原則的統(tǒng)計(jì)學(xué)習(xí)方法，擺脫了傳統(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，泛化能力強(qiáng)，理論上能達(dá)到全局最優(yōu)，

2、而且SVM能很好地解決小樣本、非線性及維數(shù)高的問(wèn)題，具有學(xué)習(xí)速度快等優(yōu)點(diǎn)。
　　 預(yù)測(cè)是時(shí)間序列分析的最核心的作用，而支持向量機(jī)是一種良好的預(yù)測(cè)方法，為此，本文對(duì)時(shí)間序列分析法及支持向量機(jī)進(jìn)行了深入研究，以下給出本文的主要研究工作:
　　 (1)根據(jù)時(shí)間序列的相關(guān)理論知識(shí)，本文給出了基于移動(dòng)通信時(shí)間序列數(shù)據(jù)的預(yù)測(cè)模型，并重點(diǎn)分析了數(shù)據(jù)預(yù)處理過(guò)程。
　　 (2)本文將支持向量機(jī)應(yīng)用到移動(dòng)通信數(shù)據(jù)分析上，探討和給出了

3、SVM在移動(dòng)通信序列分析應(yīng)用中兩個(gè)關(guān)鍵問(wèn)題的解決方法:一是SVM的核函數(shù)選擇問(wèn)題，對(duì)于此問(wèn)題，本文研究了核函數(shù)的構(gòu)造方法，鑒于局部性核函數(shù)學(xué)習(xí)能力強(qiáng)、泛化性能弱，而全局性核函數(shù)泛化性能力強(qiáng)、學(xué)習(xí)能力弱，為了得到學(xué)習(xí)能力與泛化能力都較強(qiáng)的核函數(shù)，將這兩類(lèi)核函數(shù)混合起來(lái)，構(gòu)造出混合核函數(shù)，并根據(jù)移動(dòng)通信時(shí)間序列的特點(diǎn)，給出了用于控制局部核函數(shù)與全局核函數(shù)兩者間的比值的計(jì)算方法;二是SVM各參數(shù)的選擇問(wèn)題，本文選擇粒子群算法對(duì)SVM的參數(shù)進(jìn)行

4、優(yōu)化。但是傳統(tǒng)的粒子群算法在解決復(fù)雜問(wèn)題時(shí)易陷入局部最優(yōu)解，為克服這一缺陷，本文引入種群密度的概念，進(jìn)一步模擬了生物種群覓食的真實(shí)行為。
　　 (3)最后本文使用了改進(jìn)的粒子群優(yōu)化的混合核SVM(記為IPSO-MSVM)預(yù)測(cè)模型與傳統(tǒng)的ARIMA模型、標(biāo)準(zhǔn)的SVM預(yù)測(cè)模型、傳統(tǒng)粒子群優(yōu)化后的SVM預(yù)測(cè)模型在同一訓(xùn)練集下，對(duì)2012年1月到2013年1月份的移動(dòng)短信業(yè)務(wù)量進(jìn)行了預(yù)測(cè)，實(shí)驗(yàn)結(jié)果表明IPSO-MSVM預(yù)測(cè)模型較其它模型