郭 勤，贾振红，覃锡忠，盛 磊，陈 丽

(1.新疆大学信息科学与工程学院，新疆 乌鲁木齐 830046；2.中国移动通信集团新疆有限公司，新疆 乌鲁木齐 830063)

1 引言

话务量的需求预测在移动通信网络运营商中有着举足轻重的地位，话务量的过去、现在，尤其是将来的需求是移动运营商十分关注的问题，移动运营商需要根据移动用户对话务量需求的预测来规划未来的企业发展战略。话务量预测是指导基本建设规模的一项重要依据，话务量的预测对网络管理、规划和设计都有重要的指导意义，关系着企业的经济效益，因此提高话务量预测的精度成为我们研究的方向。

目前话务量预测采用的是用历史的话务量来预测未知话务量，常见传统预测方法有线性回归分析、时间序列法，季节模型和卡尔曼滤波等。文献[1]提出通过回归分析得出实时话务预测的趋势；文献[2]针对不同时间类型的话务量序列分别研究了指数平滑方法中的Holt模型和开放预测技术中的ARIMA模型；文献[3]利用自相关函数对其周期性和趋势性方面的规律进行了探测，并在此基础上提出应用乘积季节ARIMA模型进行建模和预测的方案；文献[4]提出了一种基于卡尔曼滤波的移动网实时话务量预测算法。以上传统的预测方法预测精度低，近些年一些学者提出了新的智能预测方法，有模糊逻辑、神经网络、支持向量机等。文献[5]提出BP神经网络和基于Elman神经网络的话务量预测模型；文献[6]提出基于模糊C均值聚类和支持向量机的多元回归话务量预测模型；……