基于相關度的忙時話務量加權一階局域預測模型

段志梅+袁曉金++程加堂

摘 要： 為了改善加權一階局域預測模型的預測精度，提出衡量相點間相關性的相關度函數(shù)。利用相關度函數(shù)確定預測中心點的參考鄰域，并將相關度的大小以加權的方式作用于加權一階局域預測模型，進而推導出辨識加權一階局域預測模型參數(shù)的算法。最后將預測模型用于忙時話務量的預測中，結果表明，該模型有效地提高了忙時話務量的預測精度，驗證了相關度函數(shù)衡量相點間相關性的有效性。

關鍵詞： 參數(shù)辨識； 加權一階局域預測模型； 忙時話務量； 預測精度

中圖分類號： TN958?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2015）22?0017?04

0 引 言

忙時話務量的預測是通過對歷史數(shù)據(jù)進行分析，找出其特征、規(guī)律或影響因數(shù)，用合適的方法對未來可能出現(xiàn)的忙時話務量進行預測。對未來可能出現(xiàn)的忙時話務量進行預測，可為網(wǎng)絡運行維護部門進行網(wǎng)絡安全預防和網(wǎng)絡調整優(yōu)化提供決策支持，同時還是各移動運營商們進行網(wǎng)絡規(guī)劃和設計時的一個重要依據(jù)。預測結果的準確與否，會直接影響到通信網(wǎng)絡的通話質量和服務質量。忙時話務量歷史數(shù)據(jù)是一個受多重因素影響的動態(tài)非線性時間序列，其中不確定因素很多，使預測很困難。傳統(tǒng)的話務量預測方法有季節(jié)法、ARMA法和回歸法等，這些方法雖然獲得了較好的預測效果，但主要是針對平穩(wěn)話務量的預測，難以滿足具有動態(tài)非線性特性的忙時話務量預測。隨著預測技術的發(fā)展，一些學者提出BP神經(jīng)網(wǎng)絡[1]、支持向量機[2?5]和回聲狀態(tài)網(wǎng)絡[6]等智能方法用于話務量的預測，在具有相當數(shù)量歷史數(shù)據(jù)支持的情況下，這些方法能處理話務量和其影響因素之間的非線性關系，比傳統(tǒng)的預測方法更具優(yōu)勢。

混沌是非線性系統(tǒng)中的一種新的存在形式，混沌預測法有全域法和局域法[7]，文獻[8]采用加權一階局域模型對電力系統(tǒng)負荷進行短期預測，由于引進權值，獲得較高的預測精度，因而得到了廣泛的應用。但加權一階局域預測模型是利用歐式距離來衡量相點間的相關性，當嵌入維數(shù)較高時，歐式距離僅反映相點的空間距離，并不能完全反映相點間的相關性，預測精度不夠理想。有學者提出以描述相點軌跡相似程度的關聯(lián)度[9?10]替代歐式距離衡量相點間的相關性，有效地提高了電網(wǎng)短期負荷的預測精度；然而文獻[11?13]的研究表明，用相點間的夾角來衡量相點軌跡的相似程度，比用關聯(lián)度獲得了更好的預測效果。

事實上，在衡量相點間的相關性時，不僅希望相點間的空間距離較近，還希望相點軌跡演化方向之間的夾角要小，以保證軌跡變化的相似性。因此，本文綜合考慮二者對相點相關性的影響，進行參數(shù)融合，提出相關度函數(shù)作為判別相點間相關性的準則，推導出新的預測模型擬合參數(shù)算法，最后將該模型用于忙時話務量的預測中，以檢驗預測效果。

4 結 語

（1） 本文重構了忙時話務量的相空間，經(jīng)計算，忙時話務量的最大Lyapunov指數(shù)l=0.046 601，說明忙時話務量具有混沌特性和可預測性，并采用常用的加權一階局域預測模型對其進行預測；

（2） 為了克服加權一階局域預測模型單獨采用歐式距離或夾角余弦衡量相點相關性的不足，本文綜合考慮二者對相點相關性的影響，提出相關度函數(shù)，推導出新的加權一階局域預測算法。并對忙時話務量進行預測，結果表明，其預測均方根誤差為0.096 7，而夾角余弦法的預測均方根誤差為0.166 6，說明相關度函數(shù)更適合用來描述相點間的相關性。該方法有效地提高了忙時話務量的預測精度，為非線性時間序列的預測提供了一種有效的途徑。

參考文獻

[1] 牟穎，王俊峰，謝傳柳，等.大型呼叫中心話務量預測[J].計算機工程與設計，2010，31（21）：4686?4689.

[2] 陳蓉，宋俊德.基于SVM分塊回歸分析的話務量預測模型[J].計算機應用，2008，28（9）：2230?2232.

[3] 劉大同，彭宇，彭喜元，等.一種分段在線支持向量機回歸算法[J].儀器儀表學報，2010，31（8）：1732?1737.

[4] 王少軍，劉琦，彭喜元，等.移動通信話務量多步預測的LS?SVM方法研究[J].儀器儀表學報，2011，32（6）：1258?1264.

[5] 曾俊.話務量預測模型的建立與仿真研究[J].計算機仿真，2012，29（2）：116?119.

[6] 彭宇，王建民，彭喜元.基于回聲狀態(tài)網(wǎng)絡的時間序列預測方法研究[J].電子學報，2010，38 （3）：148?154.

[7] 韓敏.混沌時間序列預測理論與方法[M].北京：中國水利水電出版社，2007.

[8] 呂金虎，張鎖春.加權一階局域預測法在電力系統(tǒng)短期負荷預測中的應用[J].控制理論與應用，2002，19（5）：767?770.

[9] 岳毅宏，韓文秀，張偉波.基于關聯(lián)度的混沌序列局域加權線性回歸預測法[J].中國電機工程學報，2004，24（11）：17?20.

[10] 雷紹蘭，孫才新，周湶，等.基于改進加權一階局域預測模型的短期負荷預測方法研究[J].電測與儀表，2006（5）：5?8.

[11] 王恒，何怡剛，侯周國，等.基于夾角余弦的混沌局域加權線性預測算法[J].高電壓技術，2009，35（6）：1483?1487.

[12] 王恒，何怡剛，高坤.極坐標下的電力負荷混沌局域預測算法[J].電網(wǎng)技術，2010，34（7）：138?142.

[13] 孫佳龍，郭金運，郭淑艷.基于夾角余弦的電離層TEC混沌預測[J].測繪通報，2013（5）：8?11.