用時序遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測通信網(wǎng)絡(luò)業(yè)務(wù)指標(biāo).pdf

1、在社會經(jīng)濟飛速發(fā)展的今天，數(shù)據(jù)預(yù)測有著廣泛的應(yīng)用前景，在各個行業(yè)發(fā)揮著越來越重要的作用。在通信企業(yè)，通信網(wǎng)絡(luò)數(shù)據(jù)的采集、維護(hù)、分析、預(yù)測是日常而十分重要的工作，其話務(wù)量、CP負(fù)荷等指標(biāo)數(shù)據(jù)的預(yù)測對于企業(yè)經(jīng)營和維護(hù)具有十分重要的指導(dǎo)意義。本文研究的數(shù)據(jù)對象為某通信企業(yè)的網(wǎng)管數(shù)據(jù)，它記錄運營商管轄范圍內(nèi)小區(qū)、鄉(xiāng)、縣、地市、省等各個級別的各種通信業(yè)務(wù)指標(biāo)。預(yù)測部分通過挖掘歷史數(shù)據(jù)內(nèi)的未知知識預(yù)測未來的業(yè)務(wù)指標(biāo),從而為企業(yè)經(jīng)營提供參考。

2、 目前，在數(shù)據(jù)預(yù)測領(lǐng)域，機器學(xué)習(xí)方法作為能夠?qū)θ我馕粗姆蔷€性函數(shù)關(guān)系進(jìn)行精確擬合的手段，被廣泛地研究和應(yīng)用。然而，大量研究都集中于機器學(xué)習(xí)本身，傾向于機器學(xué)習(xí)算法技術(shù)層面的改進(jìn)，沒有完整地提出一套規(guī)范的、可行的時間序列預(yù)測方案、并在此方案的指導(dǎo)下建立起對現(xiàn)實確實有參考價值的預(yù)測模型。事實上，機器學(xué)習(xí)方法學(xué)習(xí)能力強，卻并非為數(shù)據(jù)預(yù)測而提出，要直接用于數(shù)據(jù)預(yù)測則茫然。由于其本身不提供關(guān)于數(shù)據(jù)預(yù)測的任何理論依據(jù)，因此盲目地用它做數(shù)據(jù)預(yù)測，是

3、不可能收到最好效果的。 針對這樣一種情況，我們研究預(yù)測業(yè)務(wù)的特點，一方面選擇BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，研究如何針對預(yù)測業(yè)務(wù)的特點對它進(jìn)行修改，研究如何將遺傳算法與改進(jìn)后的BP-L神經(jīng)網(wǎng)絡(luò)相結(jié)合，進(jìn)行高精度的知識學(xué)習(xí)、知識發(fā)現(xiàn)工作；一方面，研究如何以這樣的知識發(fā)現(xiàn)工具，在數(shù)據(jù)預(yù)測理論指導(dǎo)下進(jìn)行完整、深入的時序分析與預(yù)測工作。 在數(shù)據(jù)預(yù)測領(lǐng)域，時間序列分析方法對時間序列的本質(zhì)、特性等做了廣泛而深入的研究，構(gòu)建了一套全面的理論，

4、并提出了以ARMA自回歸滑動平均模型等為核心的具體計算方法，其內(nèi)容覆蓋了數(shù)據(jù)預(yù)測的方方面面，提供了時間序列預(yù)測的一套指導(dǎo)性方法。在本文我們選擇時間序列理論作為預(yù)測模型的建模依據(jù)和指導(dǎo)，并以改進(jìn)的遺傳BP神經(jīng)網(wǎng)絡(luò)取代時序分析方法中的學(xué)習(xí)挖掘手段，為該通信企業(yè)的通信網(wǎng)絡(luò)業(yè)務(wù)數(shù)據(jù)預(yù)測建立了一套預(yù)測網(wǎng)絡(luò)模型，用于該企業(yè)各種通信網(wǎng)絡(luò)業(yè)務(wù)指標(biāo)的分析、預(yù)測。它具有這樣的一些優(yōu)點：以時間序列理論指導(dǎo)建模、預(yù)測的全過程，因此和單純的機器學(xué)習(xí)方法相比，可行

5、性、方向的正確性得到了有力保證，必然能得到更好的預(yù)測效果；用改進(jìn)的BP-L神經(jīng)網(wǎng)絡(luò)完成時間序列分析中挖掘數(shù)據(jù)依賴關(guān)系的步驟，它由基本的BP神經(jīng)網(wǎng)絡(luò)修改而得，更適于數(shù)據(jù)預(yù)測領(lǐng)域，以它作為我們模型中使用的機器學(xué)習(xí)工具，就預(yù)測而言速度、精確性和泛化能力都得到較大改善；以遺傳算法優(yōu)化BP-L網(wǎng)絡(luò)的初始權(quán)值，以盡可能地克服神經(jīng)網(wǎng)絡(luò)的局部收斂問題；與絕大多數(shù)根據(jù)經(jīng)驗選擇輸入節(jié)點個數(shù)的簡單機器學(xué)習(xí)預(yù)測方法相比，它能自動實時計算最合理的預(yù)測階數(shù)而不是去