【摘 要】移動(dòng)運(yùn)營商通常把移動(dòng)通信話務(wù)量作為網(wǎng)絡(luò)規(guī)劃和網(wǎng)絡(luò)建設(shè)的參考依據(jù)，則移動(dòng)通信話務(wù)量預(yù)測值的精度對(duì)整個(gè)網(wǎng)絡(luò)規(guī)劃的科學(xué)合理性必然造成決定性的影響。基于此，本文引入了支持向量回歸機(jī)，并比較分析了遺傳算法、網(wǎng)格法、SA-SVR對(duì)移動(dòng)通信話務(wù)量預(yù)測的影響。研究證實(shí)，SA-SVR具有耗時(shí)少、預(yù)測精度高等優(yōu)越性。

【關(guān)鍵詞】SA-SVR 移動(dòng)通信話務(wù)量 預(yù)測方法 支持向量回歸機(jī)

一、實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)所涉及到的仿真結(jié)果的運(yùn)行環(huán)境皆為Matlab R2007b，SVR的建模工具為LibSVM工具箱。實(shí)驗(yàn)所涉及到的數(shù)據(jù)皆為實(shí)時(shí)移動(dòng)通信話務(wù)量數(shù)據(jù)，屬四個(gè)地州、三十九個(gè)月內(nèi)的移動(dòng)通信月總話務(wù)量和月均忙時(shí)話務(wù)量。本實(shí)驗(yàn)旨在預(yù)測某年9月到11月的移動(dòng)通信月總話務(wù)量和月均忙時(shí)話務(wù)量。為了獲取模型預(yù)測誤差，實(shí)驗(yàn)使用后三月的歷史數(shù)據(jù)就模型預(yù)測效果予以測試。

二、實(shí)驗(yàn)結(jié)果分析

（一）SA-SVR、ARIMA、神經(jīng)網(wǎng)絡(luò)的話務(wù)量預(yù)測結(jié)果

下表一所示ARIMA模型為基于十二個(gè)周期特征和數(shù)據(jù)線性增長的自回歸模型，神經(jīng)網(wǎng)絡(luò)訓(xùn)練的嵌入維數(shù)與SVR訓(xùn)練的嵌入維數(shù)相同，其中實(shí)驗(yàn)所用參數(shù)皆為基于經(jīng)驗(yàn)的優(yōu)質(zhì)參數(shù)。

由表一可知，移動(dòng)通信話務(wù)量預(yù)測結(jié)果顯示出SA-SVR、ARIMA、神經(jīng)網(wǎng)絡(luò)模型預(yù)測誤差皆呈遞減趨勢。然而，State2的ARIMA建模誤差異常少，究其原因?yàn)镾tate2的話務(wù)量數(shù)據(jù)變化周期性和增長性較明顯，則線性模型ARIMA的建模效果較好。此外，模型耗時(shí)顯示出ARIMA耗時(shí)最少，究其原因?yàn)锳RIMA僅為線性建模；多數(shù)地區(qū)神經(jīng)網(wǎng)絡(luò)耗時(shí)皆超過SA-SVR建模耗時(shí)。

（二）SA-SVR、GA-SVR、Grid-SVR方法建模預(yù)測結(jié)果

下表二所示的嵌入維數(shù)值皆與實(shí)驗(yàn)訓(xùn)練的最小測試誤差呈一一對(duì)應(yīng)關(guān)系，表二所示誤差皆為最后三月話務(wù)總量百分比誤差的均值。表二、三所示SA模型的系統(tǒng)狀況皆選擇了MAPE。

由表二可知，SA-SVR、GA-SVR、Grid-SVR模型對(duì)月總話務(wù)量和月均預(yù)測誤差皆呈遞減趨勢，其中各參數(shù)選擇方法的特性、模型預(yù)測耗時(shí)與嵌入維數(shù)間的關(guān)聯(lián)性皆可通過各模型的預(yù)測耗時(shí)體現(xiàn)出來，即State1、State2、State3、State4的最低預(yù)測誤差并不對(duì)應(yīng)同一最佳嵌入維數(shù)；嵌入維數(shù)與訓(xùn)練耗時(shí)間的關(guān)聯(lián)性較明顯（耗時(shí)與維數(shù)呈正相關(guān)），究其原因?yàn)榍度刖S數(shù)與輸入向量維數(shù)間呈正相關(guān)，此時(shí)訓(xùn)練耗時(shí)因訓(xùn)練本數(shù)更少而變得更短。

SA-SVR、GA-SVR、Grid-SVR模型對(duì)月平均忙時(shí)話務(wù)量與對(duì)月總話務(wù)量的預(yù)測效果基本一致。由表二、三可知，Grid-SVR的訓(xùn)練耗時(shí)皆較SA-SVR、GA-SVR兩個(gè)模型短，但其預(yù)測精度卻較SA-SVR、GA-SVR兩個(gè)模型差。若要提高其預(yù)測精度，必然要成倍增長其占有資源，即以細(xì)化網(wǎng)格的方式實(shí)現(xiàn)預(yù)測精度的提高。

三、結(jié)語

由實(shí)驗(yàn)結(jié)果可知，SA-SVR模型與SA-SVR模型訓(xùn)練樣本間基本一致，即預(yù)測誤差與實(shí)際測試誤差間的差值較小。由此可見，實(shí)驗(yàn)中后三月的話務(wù)量預(yù)測值的可信度較高。

參考文獻(xiàn)：

[1]譚艷峰，賈振紅，覃錫忠等.SA-SVR在移動(dòng)通信話務(wù)量預(yù)測中的應(yīng)用[J].計(jì)算機(jī)工程，2010，36（22）：195-196，199.

[2]王少軍，劉琦，彭喜元等.移動(dòng)通信話務(wù)量多步預(yù)測的LS-SVM方法研究[J].儀器儀表學(xué)報(bào)，2011，32（6）：1258-1264.

[3]彭宇，雷苗，郭嘉等.基于先驗(yàn)知識(shí)的移動(dòng)通信話務(wù)量預(yù)測[J].電子學(xué)報(bào)，2011，39（1）：190-194.

[4]董安吉.分段預(yù)測法在GSM網(wǎng)絡(luò)無線話務(wù)量預(yù)測中的應(yīng)用[J].電子世界，2011，（9）：27-28，31.

作者簡介：

羅燕，1984年4月出生，現(xiàn)就職于河北張家口移動(dòng)公司。