版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、小波變換下ARMA改進模型預測話務總量的研究重慶大學碩士學位論文(學術(shù)學位)學生姓名:邵龍鋒指導教師:黃光輝副教授專業(yè):概率論與數(shù)理統(tǒng)計學科門類:理學重慶大學數(shù)學與統(tǒng)計學院二O一五年四月重慶大學碩士學位論文中文摘要I摘要進入21世紀以后,隨著科技和網(wǎng)絡的發(fā)展,我國通信行業(yè)迅速壯大,特別是移動、聯(lián)通和電信三大運營商,其網(wǎng)絡規(guī)模不斷擴大,業(yè)務種類多種多樣,客戶數(shù)量大量增加。在這個行業(yè)中,話務量是一個重要概念,它的大小不僅關(guān)系到客戶的通信質(zhì)量
2、,而且為運營商提供了發(fā)展的依據(jù)。雖然地面上基站數(shù)量的多少和運營商網(wǎng)絡設備的性能以及用戶通話次數(shù)直接決定了話務量的大小,但是我們要做的是根據(jù)已知的話務量歷史數(shù)據(jù)如何提前準確地預測話務量大小,以便及時地作出調(diào)整,避免潛在的風險。話務量歷史數(shù)據(jù)作為一種時間序列,我們可以用很多成熟的時間序列模型來進行預測,但是如何更加準確地來進行預測是我們研究的重要課題。在本文中把小波變換思想引入到ARMA模型中來對其進行改進而后預測?;诖耍疚牡闹饕芯績?nèi)
3、容如下:①首先詳細介紹了小波變換思想和單支重構(gòu)算法。②著重分析了話務量的幾種預測模型,主要包括自回歸模型(AR)、滑動平均模型(MA)、自回歸滑動平均模型(ARMA)等。③對已經(jīng)采集的話務量原始序列進行小波分解,得到近似部分和各細節(jié)部分,并分別單支重構(gòu)到原級別上,對各個重構(gòu)后的序列分別建立ARMA模型,進而對原序列進行預測。④基于預測模型的理論分析,本論文也給出常用的ARMA模型對已有數(shù)據(jù)的預測結(jié)果,并將其結(jié)果與改進模型下的預測結(jié)果進行
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 19174.往復潮流過地形生成內(nèi)波的實驗研究
- 小波變換下的遙感影像融合研究.pdf
- 基于小波變換的ARMA和極限學習機組合模型的網(wǎng)絡流量預測.pdf
- 基于小波變換的交通流短時預測模型研究.pdf
- 小波神經(jīng)網(wǎng)絡和ARMA模型在股票預測中的研究與應用.pdf
- 基于小波變換的短期風速預測綜合模型的研究.pdf
- 基于小波變換和馬爾可夫鏈的流量預測模型.pdf
- 基于小波變換的日負荷預測方法研究.pdf
- 基于小波變換-灰色馬爾可夫模型的短時交通流預測
- 農(nóng)產(chǎn)品價格的小波-SVM-ARMA組合預測.pdf
- 基于高階譜ARMA模型的小波反卷積醫(yī)學超聲成像研究.pdf
- 基于小波變換的圖像壓縮改進算法研究.pdf
- 基于小波分析的灰色模型與ARMA-GARCH模型的組合預測.pdf
- 基于小波變換的圖像重建算法的改進.pdf
- 移動話務預測模型研究.pdf
- 基于小波變換的股票市場預測研究.pdf
- 基于小波變換的子帶預測圖像編碼
- 基于小波變換的子帶預測圖像編碼
- 基于小波變換與組合模型的失效檢測模型研究.pdf
- arma模型在股價預測中的實證研究
評論
0/150
提交評論