基于GA—SVR的節(jié)假日忙時(shí)話務(wù)預(yù)測(cè)模型

【摘 要】節(jié)假日話務(wù)預(yù)測(cè)，存在歷史樣本量較小和非線性強(qiáng)的特點(diǎn)，從而致使預(yù)測(cè)精度低.本文用支持向量回歸機(jī)（SVR）與遺傳算法（GA）相結(jié)合，對(duì)**各個(gè)地區(qū)2011年圣誕節(jié)忙時(shí)話務(wù)量進(jìn)行預(yù)測(cè)，并與傳統(tǒng)的SVR和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較。仿真結(jié)果表明，GA—SVR預(yù)測(cè)精度高、耗時(shí)少，是一種預(yù)測(cè)忙時(shí)話務(wù)量的有效方法。

【關(guān)鍵詞】節(jié)假日忙時(shí)話務(wù)預(yù)測(cè)；支持向量回歸機(jī)；遺傳算法

目前對(duì)話務(wù)量預(yù)測(cè)的研究方法有ARIMA法、支持向量機(jī)等，實(shí)際應(yīng)用中上述方法對(duì)月平均話務(wù)量、月忙時(shí)話務(wù)量等能取得較好的效果，但節(jié)日當(dāng)天及某個(gè)時(shí)間點(diǎn)往往話務(wù)量激增，而且波動(dòng)大，針對(duì)上述問(wèn)題，傳統(tǒng)的預(yù)測(cè)方法很難實(shí)現(xiàn)精確的預(yù)測(cè)，本文采用支持向量回歸機(jī)建立預(yù)測(cè)模型。

一、支持向量回歸機(jī)原理

二、GA-SVR話務(wù)預(yù)測(cè)模型

（一）遺傳算法

遺傳算法（GA）是基于Darwin的進(jìn)化論和Mendel的遺傳學(xué)說(shuō)發(fā)展起來(lái)的，因其簡(jiǎn)單通用，魯棒性強(qiáng)，適于并行處理，己成為人們用來(lái)解決高度復(fù)雜問(wèn)題的一個(gè)新思路和新方法。

（二）算法的實(shí)現(xiàn)

影響話務(wù)預(yù)測(cè)精度的主要原因是RBF核函數(shù)的參數(shù)γ和SVR模型中的懲罰因子C，參數(shù)γ主要影響樣本數(shù)據(jù)在高維特征空間中分布的復(fù)雜程度，懲罰因子C是在確定的特征空問(wèn)中調(diào)節(jié)支持向量機(jī)置信范圍和經(jīng)驗(yàn)風(fēng)險(xiǎn)的比例.由于遺傳算法具有隱含的并行性和全局搜索能力，可以在很短的時(shí)間內(nèi)搜索到全局最優(yōu)點(diǎn)。因此，本文利用遺傳算法對(duì)核函數(shù)參數(shù)γ和懲罰參數(shù)C予以?xún)?yōu)化尋參.

三、實(shí)例分析

（一）樣本選擇

為了使移動(dòng)運(yùn)營(yíng)商能夠根據(jù)預(yù)測(cè)出的節(jié)日忙時(shí)話務(wù)量對(duì)話務(wù)信道及時(shí)做處理，本文隨機(jī)選取**五個(gè)地區(qū)，計(jì)算出2004年-2011年圣誕節(jié)前十五天每天24小時(shí)中最忙時(shí)的話務(wù)量并進(jìn)行預(yù)測(cè)分析，以2004年-2010年的忙時(shí)話務(wù)量做訓(xùn)練樣本，以2011年忙時(shí)話務(wù)量做測(cè)試， 同時(shí)橫向和縱向訓(xùn)練，建立預(yù)測(cè)模型，最終預(yù)測(cè)出2011年圣誕節(jié)當(dāng)天最忙時(shí)話務(wù)量。 （二） 預(yù)測(cè)結(jié)果及分析

本文提出的利用實(shí)數(shù)遺傳算法對(duì)支持向量機(jī)關(guān)鍵參數(shù)進(jìn)行尋優(yōu)，進(jìn)而建立模型并預(yù)測(cè)節(jié)日忙時(shí)話務(wù)量，實(shí)現(xiàn)了支持向量回歸機(jī)參數(shù)的自動(dòng)優(yōu)化選擇，避免了通過(guò)實(shí)驗(yàn)人工選擇的盲目性。該方法通過(guò)實(shí)證檢驗(yàn)，獲得了良好的效果，并與BP網(wǎng)絡(luò)、SVR話務(wù)預(yù)測(cè)模型進(jìn)行比較分析。結(jié)果表明，本文算法在收斂性能、收斂速度、計(jì)算時(shí)間長(zhǎng)短等方面有明顯優(yōu)勢(shì)，是一種有效的節(jié)假日忙時(shí)話務(wù)預(yù)測(cè)方法。