曾雨桐，钱学荣

(南京邮电大学 通信与信息工程学院, 江苏 南京 210003)

基于支持向量机的多因素话务量预测研究

曾雨桐，钱学荣

(南京邮电大学 通信与信息工程学院, 江苏 南京 210003)

提高移动通信话务量的预测精度对提高网络性能、增进用户体验具有重要意义。由于多种因素会影响到移动通信话务量的准确预测，故选择多因素灰色话务量预测模型来预测话务量。先对数据进行预处理，用关联分析法找到影响话务量预测的主要因素。但此模型对波动较大的数据预测精度较低，用支持向量机的模型来改善预测结果，选取拥有较强的敛散性和全局寻优能力的复高斯小波核函数优化向量机。从仿真结果可以看出该模型有更好的收敛作用和较为理想的预测效果。

复高斯小波核函数；支持向量机；多因素；话务量预测

0 引言

话务量预测，是指以历史话务量数据为基础，从一定的规律性与特点出发，通过统计调查，运用科学有效的建模方法对未来某一时段的话务量进行预测。通过对预测结果的分析，可以清楚地知道哪些网络需要扩容，哪些网络需要优化压缩。通常情况下预测话务量所采用的方法有线性自回归移动平均模型(ARIMA)[1]、人工神经网络(ANN)[2]、支持向量机(SVM)[3]等。其中线性自回归移动平均模型[4]要求训练数据的时间序列应具有正态分布、全局平稳等特征，但在实际应用中，话务量的时间序列往往是不规则、非平稳且非线性的。人工神经网络[5]相比线性自回归移动平均模型有较好的非线性预测能力，但要求训练样本数据量较大，且易于陷入局部极值，会导致最终的预测效果不稳定。……