基于支持向量機的電信話務量預測方法.pdf

1、話務預測技術是通訊網絡系統(tǒng)設計、規(guī)劃和優(yōu)化的重要手段之一，同時也能為電信企業(yè)制定營銷策略提供決策支持。雖然話務預測的研究已有20多年歷史，并形成了一些話務預測方法，但是隨著新理論和新技術的發(fā)展，對話務預測新方法的研究仍在不斷地深入進行。支持向量機作為數據挖掘的一項新技術，應用于模式識別和處理回歸問題等諸多領域。本文利用支持向量機優(yōu)越的非線性學習及預測性能，針對短期話務預測的各種影響因素的非線性特性，提出基于支持向量機的電信話務量預測新方

2、法，以提高預測精度和時效性，該研究具有重要的理論意義和實用價值。 由于影響話務量的因素繁多且復雜，若對輸入不加適當選擇處理會導致預測精度降低，訓練時間增加?？紤]到話務量變化的周期性特點，因此本文采用話務量聚類預處理技術，應用模糊聚類分析的基本原理，依據輸入樣本的相似度選取訓練樣本，即選用同類特征數據作為預測輸入，保證了數據特征的一致性，強化了歷史數據規(guī)律。在基于支持向量機話務預測之前，先對樣本進行模糊聚類分析，選取與預測樣本特征

3、相似的樣本作為支持向量機的訓練樣本。 本文分析了支持向量機的基本原理，支持向量機具有非線性擬合、泛化能力強、訓練收斂速度快等顯著特點。數值試驗結果表明，支持向量機具有較強的學習能力。另外，本文還具體討論了支持向量機中高斯核函數中參數σ對支持向量機學習預測性能的影響，指出高斯核函數具有描述樣本相似程度這一性質，通過數值實驗和理論分析給出了一種選擇高斯核函數的方法-拐點法。進一步指出樣本數據標準化對學習預測的影響，給出了標準化后選擇