【正文】 ...............................................................28 支持向量機(jī)的預(yù)測(cè)能力 ....................................................................................30 支持向量機(jī)的內(nèi)插性能 .............................................................................30 支持向量機(jī)的外推性能 .............................................................................32 支持向量機(jī)的抗噪聲性能 .........................................................................32 支持向量機(jī)用于話務(wù)量預(yù)測(cè)的優(yōu)勢(shì) ................................................................34 本章小結(jié) ............................................................................................................34第四章 基于支持向量機(jī)的話務(wù)量預(yù)測(cè)模型 ............................................................36 話務(wù)量預(yù)測(cè)模型 ................................................................................................36 模型的輸入與輸出 .....................................................................................36 模型預(yù)測(cè)流程 .............................................................................................38 模型參數(shù)優(yōu)選 .............................................................................................40 仿真實(shí)驗(yàn)與結(jié)果分析 ........................................................................................45 實(shí)驗(yàn)過程 .....................................................................................................45 實(shí)驗(yàn)結(jié)果 .....................................................................................................47 與其他預(yù)測(cè)方法比較 .................................................................................47 預(yù)測(cè)模型的應(yīng)用 ................................................................................................50 增量學(xué)習(xí) .....................................................................................................50 話務(wù)流量監(jiān)控 .............................................................................................51 建模與模型應(yīng)用需注意的問題 ........................................................................53 本章小結(jié) ............................................................................................................54第五章 結(jié)論與展望 ....................................................................................................56參 考 文 獻(xiàn) ................................................................................................................58致 謝 ..........................................................................................................................63攻讀學(xué)位期間主要的研究成果 ..................................................................................64中南大學(xué)碩士學(xué)位論文 第一章 緒論1第一章 緒 論 研究背景和意義伴隨中國(guó)經(jīng)濟(jì)的穩(wěn)步發(fā)展，我國(guó)的電信業(yè)也取得了長(zhǎng)足的發(fā)展與進(jìn)步。網(wǎng)絡(luò)維護(hù)中心通過預(yù)測(cè)話務(wù)量來預(yù)測(cè)將來的網(wǎng)絡(luò)運(yùn)營(yíng)情況，為將來可能出現(xiàn)的網(wǎng)絡(luò)問題，提前作好準(zhǔn)備，避免出現(xiàn)網(wǎng)絡(luò)大面積擁塞，提高網(wǎng)絡(luò)運(yùn)營(yíng)的服務(wù)質(zhì)量；市場(chǎng)及營(yíng)銷部門通過對(duì)業(yè)務(wù)結(jié)構(gòu)、網(wǎng)絡(luò)流量流向的分析和預(yù)測(cè)，能夠了解現(xiàn)在和將來一段時(shí)間內(nèi)不同運(yùn)營(yíng)商，不同地域，不同用戶之間互聯(lián)互通的情況，幫助他們進(jìn)行合理的資源調(diào)度和分配，并制定有效的營(yíng)銷策略提高自身客戶的忠誠(chéng)度，有針對(duì)性的吸引競(jìng)爭(zhēng)對(duì)手的客戶。因此了解未來話務(wù)量的可能變化的一個(gè)有效方法，就是觀察話務(wù)量的歷史記錄，對(duì)其從本質(zhì)上去研究和分析；另外，通訊系統(tǒng)話務(wù)量呈現(xiàn)周期性特征，給研究分析提供有利方面；此外，某些可以較容易得到的業(yè)務(wù)發(fā)展指標(biāo)（如用戶數(shù)等）能代表業(yè)務(wù)發(fā)展的趨勢(shì)，能有效的描述未來話務(wù)量的大體趨勢(shì)走向。雖然預(yù)測(cè)模型需改進(jìn)的地方還很多，精度不高，但仍具有一定的指導(dǎo)意義。2) 回歸分析法回歸分析法是研究變量與變量之間的一種數(shù)學(xué)方法，即通過對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)的目的 [11]。它們之間廣泛的連接組合就使得整個(gè)神經(jīng)網(wǎng)絡(luò)具有了復(fù)雜的非線性特性。除了以上幾種典型的預(yù)測(cè)方法外，還有研究者提出了灰色模型預(yù)測(cè)以及多種模型組合預(yù)測(cè)等方法。 研究?jī)?nèi)容與研究目標(biāo)本文在研究話務(wù)量的特性和當(dāng)前最新預(yù)測(cè)技術(shù)的基礎(chǔ)上，采用某省電信分中南大學(xué)碩士學(xué)位論文 第一章 緒論5公司綜合結(jié)算系統(tǒng)的實(shí)際話務(wù)量數(shù)據(jù)建立基于聚類預(yù)處理和支持向量機(jī)的話務(wù)量預(yù)測(cè)模型。對(duì)預(yù)測(cè)精度影響較大的核函數(shù)參數(shù)，本文提出“拐點(diǎn)法” ，優(yōu)選高斯核函數(shù)參數(shù)。論文的結(jié)構(gòu)安排如下：第二章首先分析了話務(wù)量的基本組成，并對(duì)具有較強(qiáng)規(guī)律性的典型話務(wù)分量進(jìn)行分析，給出了本文進(jìn)行話務(wù)量預(yù)測(cè)的基本過程；然后在之前的基礎(chǔ)上論述了進(jìn)行聚類預(yù)處理的必要性；最后詳細(xì)描述了利用加權(quán) FCM 聚類算法進(jìn)行話務(wù)量聚類預(yù)處理的的方法和過程。它既用來表示電信設(shè)備承受的負(fù)載量,也用來表示用戶對(duì)電信需求的程度。因此分析話務(wù)量特性對(duì)掌握話務(wù)預(yù)測(cè)本質(zhì)，提高話務(wù)預(yù)測(cè)的精度有著重要的意義，尤其是對(duì)精度要求較高的短期話務(wù)量預(yù)測(cè)?？梢杂镁€性變化模型和周期性變化模型來描述，或者以兩者的合成模型來描述。這種沖擊類似于低階動(dòng)態(tài)系統(tǒng)的階躍響應(yīng)，只是幅度和時(shí)滯有所不同。而在本文所提出的支持向量機(jī)預(yù)測(cè)中利用模型良好的非線性擬合中南大學(xué)碩士學(xué)位論文 第二章 話務(wù)量預(yù)測(cè)的聚類預(yù)處理技術(shù)9能力，可以較好的描述其中的隨機(jī)話務(wù)因素。隨著電信業(yè)的發(fā)展和競(jìng)爭(zhēng)的加劇，大部分電信企業(yè)開始實(shí)行線路空閑時(shí)的通訊優(yōu)惠政策，這種日趨成熟的電信市場(chǎng)發(fā)展必將對(duì)話務(wù)量的分布產(chǎn)生影響，這也是今后話務(wù)量分析和預(yù)測(cè)中需要充分注意的。(3) 年周期性話務(wù)量的年周期性是指以一年為周期的話務(wù)量變化規(guī)律。下面著重討論話務(wù)量預(yù)測(cè)的特點(diǎn)，并確定進(jìn)行話務(wù)量預(yù)測(cè)的主要流程。但是在大多數(shù)情況下，中南大學(xué)碩士學(xué)位論文 第二章 話務(wù)量預(yù)測(cè)的聚類預(yù)處理技術(shù)11由于話務(wù)量未來變化的隨機(jī)性，需要設(shè)定一些假設(shè)條件，而給出的預(yù)測(cè)結(jié)果也都是在基于假設(shè)條件的前提。因此，在使用多變量預(yù)測(cè)法進(jìn)行話務(wù)量預(yù)測(cè)時(shí)，需要衡量各變量與地域的相關(guān)性。對(duì)歷史資料進(jìn)行數(shù)據(jù)分析預(yù)處理時(shí)，應(yīng)剔除這些壞數(shù)據(jù)，保證資料的完整性。這樣不僅可以認(rèn)識(shí)預(yù)測(cè)結(jié)果的準(zhǔn)確程度，在利用預(yù)測(cè)資料作決策時(shí)具有重要的參考價(jià)值，而且它對(duì)于評(píng)價(jià)預(yù)測(cè)方法和預(yù)測(cè)模型的優(yōu)劣，改進(jìn)話務(wù)量預(yù)測(cè)工作方面也有很大的幫助。同時(shí)還必須對(duì)預(yù)測(cè)誤差進(jìn)行計(jì)算分析，進(jìn)而可以檢驗(yàn)所選的預(yù)測(cè)模型。主要的聚類算法可以劃分為以下幾類：(1) 劃分方法(partitioning method)給定 n 個(gè)對(duì)象或元組的數(shù)據(jù)庫(kù)，一個(gè)劃分方法構(gòu)建數(shù)據(jù)的 k 個(gè)劃分，每個(gè)劃分表示一個(gè)聚簇，且 k≦ n，同時(shí)滿足如下條件：a) 每個(gè)組至少包含一個(gè)對(duì)象；b) 每個(gè)對(duì)象必須屬于且只屬于一個(gè)組。改進(jìn)層次方法的聚類質(zhì)量的一個(gè)有希望的方向是將層次聚類和其他聚類技術(shù)進(jìn)行集成，形成多階段聚類?；谀Ｐ偷乃惴赡苄酝ㄟ^構(gòu)建反映數(shù)據(jù)點(diǎn)空間分布的密度函數(shù)來定位聚類。FCM 與普通 C 均值聚類的主要區(qū)別在于 FCM 用模糊劃分，使得每個(gè)給定數(shù)據(jù)點(diǎn)用值在 0 到 1 之間的隸屬度來確定其屬于各個(gè)組的程度。如果它小于某個(gè)確定的閥值，或它相對(duì)上次目標(biāo)函數(shù)值的改變量小于某個(gè)閥值，則算法停止。傳統(tǒng)的相似性度量方法有歐氏距離、相關(guān)系數(shù)法、兩夾角余弦等。根據(jù)以上分析，定義一個(gè)作為屬性評(píng)價(jià)的函數(shù)。通過學(xué)習(xí)后 或()1?ij?ij?()0?wij?)0w1，所以學(xué)習(xí)后的數(shù)據(jù)分布清晰，模糊性小，聚類結(jié)果能夠得到改善。()CFuzineswd) 當(dāng) 時(shí)，更新權(quán)重 。1)(39。本文使用 SVM 回歸算法預(yù)測(cè)話務(wù)量，然而，標(biāo)準(zhǔn) SVM 對(duì)大樣本量訓(xùn)練集求解復(fù)雜，而且由于迭代誤差的積累，也會(huì)導(dǎo)致算法精度難以接受。應(yīng)用模糊聚類分析的基本原理，依據(jù)輸入樣本的相似度選擇訓(xùn)練樣本，即選用同類特征數(shù)據(jù)作為預(yù)測(cè)輸入，保證了數(shù)據(jù)特征的一致性，強(qiáng)化了歷史數(shù)據(jù)規(guī)律。0,}f ikikikMRi i???????????模糊聚類可以得到樣本屬于各個(gè)類別的不確定性程度，建立對(duì)于不同類別的不確定性描述。Step2: 首先使用 加權(quán)聚類算法學(xué)習(xí)每個(gè)輸入維度的權(quán)重，然后求出 Uij 和Ai， 將數(shù)據(jù)集 X 劃分為 c 個(gè)子集 X1, X2, ..., Xc。故 X 的模糊 c 劃分空間為：kx (218)11{|[0,]。另外，由于話務(wù)量趨勢(shì)具有明顯的周期性，則原始樣本集中必然有相似度很高的多個(gè)樣本，但這些樣本所隱含的話務(wù)量變化規(guī)律卻是基本相同的，因此只需提取當(dāng)中具有代表性的樣本作為訓(xùn)練樣本即可。中南大學(xué)碩士學(xué)位論文 第二章 話務(wù)量預(yù)測(cè)的聚類預(yù)處理技術(shù)18 基于加權(quán) FCM 的話務(wù)量聚類 話務(wù)量聚類的意義電信話務(wù)量影響因素的不確定性繁多且復(fù)雜，多個(gè)話務(wù)量影響因素與預(yù)測(cè)對(duì)象之間呈現(xiàn)十分復(fù)雜的非線性關(guān)系，用任意話務(wù)量樣本不加選擇，均作為輸入樣本訓(xùn)練模型，會(huì)導(dǎo)致預(yù)測(cè)模型的泛化能力降低。d(4) 按下式更新聚類中心矩陣 A(b’+1)： (216)(39。)?????c) 計(jì)算權(quán)重的修正量 。suzneCFuzne(4) 當(dāng) 0 ， ，函數(shù) 單調(diào)遞增；當(dāng)()wijij ()CFuzinesw1 ， ，函數(shù) 單調(diào)遞減。而一個(gè)好的聚類結(jié)果應(yīng)該具有模糊性小的性質(zhì)，即數(shù)據(jù)間的相似度應(yīng)該遠(yuǎn)離 。但由于在話務(wù)量樣本中各輸入維度的重要性并不完全相同，如歷史話務(wù)量有“近大遠(yuǎn)小”的相關(guān)性。Step2：用式(25)計(jì)算 c 個(gè)聚類中心 Ai，i=1, 2, …, c。模糊 C 均值算法是普通 C 均值算法的改進(jìn)，普通 C 均值算法對(duì)于數(shù)據(jù)的劃分是硬性的，而 FCM 則是一種柔性的模糊劃分。這種方法的主要優(yōu)點(diǎn)是它的處理速度很快，其處理時(shí)間獨(dú)立于數(shù)據(jù)對(duì)象的數(shù)目，只與量化空間中每一維的單元數(shù)目有關(guān)。根據(jù)層次分解是自底向上還是自頂向下形成，層次聚類的方法可以進(jìn)一步分為凝聚的和分裂的。算法的選擇取決于數(shù)據(jù)的類型、聚類的目的和應(yīng)用等。同時(shí)，由于計(jì)算或判斷上的失誤，也會(huì)產(chǎn)生不同程度的預(yù)測(cè)誤差。 預(yù)測(cè)誤差分析預(yù)測(cè)只是一種對(duì)未來趨勢(shì)的估算，不可避免的與客觀實(shí)際之間存在一定的差距，這就是預(yù)測(cè)誤差。在歷史話務(wù)量數(shù)據(jù)中，一方