共查询到20条相似文献,搜索用时 15 毫秒
1.
话务量是客服中心运营管理的一个重要指标,有多种方法预测话务量。分析比较表明,多项式拟合、指数平滑法和ARIMA模型的预测精度较高。这里提出一种日话务量预测的方法,以供参考。 相似文献
2.
3.
4.
5.
基于回归方法的移动通信话务量预测 总被引:2,自引:0,他引:2
针对移动通信话务量与市场用户和相应资费政策相关的特点,采用回归预测方法,建立了基于市场用户数及每用户收入的话务量预测模型,并对模型进行了经济学意义上的检验。根据此模型,对话务量进行了初步的预测分析。 相似文献
6.
本文将小波变换应用到话务量的预测中,利用小波分解法将非平稳时间序列的GSM话音话务量分解为多个细节信号分量和逼近信号分量。对细节信号采用AR模型或者余弦逼近进行拟合建模,对逼近信号采用多项式拟合和AR模型相结合的方式建模。利用某运营商2009年1月~2013年7月每月的博彩日话音话务作为检验序列集,前50个月的数据用来建模拟合,最后5个月数据作为预测比较,发现拟合相关度为0.991,预测平均绝对误差为0.029,预测结果比单纯使用曲线拟合要好。 相似文献
7.
移动通信话务量的变化不仅随用户发展、用户流动性和时间等用户行为的变化而变化.而且还受天气、集会等因素的影响,具有较强的非线性和随机性.本文的重点是分析话务量变化的内在规律,以传统的预测方法为基础,根据移动通信话务量自身特点,采用综合分析的方法对话务量进行分段预测,可以对GSM网络的话务量进行比较准确的预测. 相似文献
8.
9.
移动通信话务量的时间序列具有较强的非线性和随机性,易受各种突发情况的影响。特别是在有频繁剧烈变动的情况下,很难用传统的预测方法进行预测。本文根据移动通信话务量的这一特点,采用分解及建模的方法,对话务量进行综合预测,经实践可以达到更好的效果。 相似文献
10.
GSM扇区(下称小区)的话务量在一天24小时内以及每周七天都有所不同,但都体现出一定规律。当每线话务量超过0.8爱尔兰(称为超忙)时,很容易出现用户起呼阻塞的情况。文章提出了一种新的话务量预测的方法,能够根据当前时段的OMC话务统计,实时预测间隔时段的小区话务量并判决是否超忙,从而给网络维护人员提供了一种提前处理超忙小区的依据,能够极大地疏导话务量,有效提高用户感知度。 相似文献
11.
12.
时间序列神经网络预测方法 总被引:4,自引:0,他引:4
本文从信息论的角度出发,讨论了利用神经网络理论构造时间序列预测模型的可能性和关键问题,并在此基础上提出3种时间序列神经网络预测方法,它们是:神经网络非线性时间序列模型,神经网络多维时间序列模型和神经网络组合预测模型。将上述模型应用于实例的结果表明,在非线性信息的处理能力和预测精度方面都有很大提高。进一步,对今后智能信息预测方法的发展方向进行了探讨,提出了智能信息预测系统的结构模型。 相似文献
13.
14.
随着通信网应用和规模的不断增加,新一代的网络建设规模对业务量的预测也提出了新的需求,其中通信话务量的预测分析已经成为其中非常重要的一部分。准确的话务量预测对网络管理、规划和设计具有重要意义。文章旨在对移动网络中的话务量随时间或事件变化的特性进行分析研究,建立合理科学的话务模型,并采用综合的预测方法进行预测研究。从而辅助通信运营商实时把握用户的行为习惯和话务量的发展趋势,并进行合理决策和投资。 相似文献
15.
基于季节指数趋势法预测10086话务量 总被引:2,自引:0,他引:2
研究了季节指数趋势法预测10086月平均话务量,以某省10086的历史话务数据为基础进行预测,并对比分析了预测结果与实际话务量。 相似文献
16.
17.
18.
19.
文章提出一种模拟退火(SA)与粒子群优化(PSO)算法相结合的算法来优化Elman神经网络权值和阈值。当PSO处于停滞状态时,利用粒子群优化算法的全局寻优性质,以及SA能跳出局部最优解的特性,在搜索到的最优位置处用模拟退火算法继续寻找最优解,并对具有动态递归性能的Elman神经网络进行学习训练,这样就能对忙时话务量进行预测。结果表明,与传统Elman神经网络和PSO-Elman神经网络相比,基于模拟退火粒子群算法训练的神经网络具有更高的预测精度和良好的自适应性。 相似文献
20.
本文分析了市话分局出局话务量(到其它市话分局的话务量)原有计算方法不足,在此基础上提出了一种新的计算方法即用户比例法,并对新、旧方法进行了分析对比。 相似文献