卢光跃,李四维,赵宇翔,王天赐

(西安邮电大学 陕西省信息通信网络及安全重点实验室,陕西 西安 710121)

随着移动互联网的快速发展、基于位置服务的广泛应用，电信运营商收集了大量用户位置数据，这些位置数据具有丰富的时间和空间信息，对其进行深入有效的挖掘进而准确预测人群流量，可为电信运营商网络结构优化、网络资源合理配置等应用提供有效参考。

区域人群流量预测是指，采用时间序列预测方法对代表该区域人群流量的时间序列进行预测。传统的时间序列预测方法主要有线性回归[1]和自回归(auto regressive,AR)模型法[2-3]。这些方法对线性时间序列有较好的预测效果，但对非线性时间序列的预测效果不佳，而从电信位置数据中提取出的时间序列具有非线性特征，故需采用非线性时间序列预测方法对其进行预测[4]。常用的非线性时间序列预测方法，包括基于支持向量回归(support vector regression,SVR)的预测方法[5-7]、基于神经网络的预测方法[8-10]和经验模态分解(empirical mode decomposition,EMD)方法[11]等。基于神经网络的预测方法，有较强的非线性拟合能力，可映射任意复杂的非线性关系，且学习规则简单，便于计算机实现[12]，若针对区域人群流量数据，引入人群流量时间序列的横向变化趋势[13]，预测准确率还可以更最。

实际数据分析显示，当前时刻人群流量既与其横向变化趋势关联，还与前若干个自然日同一时刻的值(即纵向变化趋势)有关。本文综合考虑人群流量变化的横向和纵向趋势，同……