多因素影响下的忙时话务量预测方法的研究

为了提高节假日移动话务量的预测精度,提出了一种基于多因素影响的忙时话务量预测方法。首先对忙时话务量进行相关性分析,得到4个影响话务量的重要因子,然后把4个因子与忙时话务量训练数据一起作为输入变量,最后用改进的具有非线性惯性权重的粒子群算法优化的最小二乘支持向量机模型进行预测。实验结果表明该预测模型有更高的预测精度和较强的泛化能力。

基于改进的小波变换和LS-SVM模型的忙时话务量预测算法

本文提出一种融合小波变换和最小二乘支持向量机(WT-LSSVM)的组合话务量预测模型。对呈现非平稳特性的话务量数据先用Mallat算法进行分解,得到低频分量和高频分量,然后对低频分量和高频分量进行单支重构,再对重构后的各分量分别用LS-SVM模型进行预测,最后合成话务量,实验表明该组合预测模型有较高的预测精度和稳定性。