基于SVM分块回归分析的话务量预测模型

收稿日期:2008-03-24;修回日期:2008-06-10。

作者简介:陈蓉(1982-),女,山东济宁人,硕士研究生,主要研究方向:未来无线移动通信与信息系统、计算机网络;　宋俊德(1938-),

男,河北沧州人,教授,博士生导师,主要研究方向:移动通信理论、无线接入、未来通信系统(4G )与软件无线电技术。

文章编号:1001-9081(2008)09-2230-03

基于S V M 分块回归分析的话务量预测模型

陈　蓉

1,2

,宋俊德

2

(1.电子科技大学中山学院电子工程系,广东中山528400;　2.北京邮电大学电子工程学院,北京100876)

(c h e n r o n g m i s s @g m a i l .c o m )

摘　要:针对话务量的特性,提出了一种基于支持向量机分块回归分析的话务量预测模型,将话务量按日期分为工作日话务量、周末话务量进行建模,采用不同的模型预测相应的话务量。实验结果证明了该模型的有效性,相比传

统的A R M A 模型获得了更好的预测效果。

关键词:话务量分析;预测模型;支持向量机模型;A R M A 模型

中图分类号:T P 393.07 文献标志码:A

C o m m u n i c a t i o nt r a f f i c f o r e c a s t i n g m o d e l

b a s e do n m u l t i p l e S V M r e g r e s s i o n f u n

c t i o n s

C H E NR o n g 1,2

,S O N GJ u n -d e

2

(1.D e p a r t m e n t o f E l e c t r o n i c E n g i n e e r i n g ,U n i v e r s i t yo f E l e c t r o n i c S c i e n c e a n dT e c h n o l o g y o f C h i n aZ h o n g s h a nI n s t i t u t e ,

Z h o n g s h a nG u a n g d o n g ,528400,C h i n a ;

2.S c h o o l o f E l e c t r o n i c E n g i n e e r i n g ,B e i j i n gU n i v e r s i t yo f P o s t s a n d T e l e c o m m u n i c a t i o n s ,B e i j i n g 100876,C h i n a )

A b s t r a c t :A c c o r d i n g t o t h e c h a r a c t e r i s t i c s o f c o m m u n i c a t i o n t r a f f i c ,a t r a f f i c f o r e c a s t i n g m o d e l b a s e d o n m u l t i p l e S u p p o r t V e c t o r M a c h i n e s (S V M )r e g r e s s i o n f u n c t i o n s w a s p r o p o s e d .I nt h i s m o d e l ,t h e t r a f f i c d a t a w i l l b e d i v i d e di n t o t w o g r o u p s b y

t h ed a t e ,w h i c h a r e t h e w o r k i n g -d a y t r a f f i c d a t a a n d t h e w e e k e n d t r a f f i c d a t a .T h e n t w o d i f f e r e n t S V Mm o d e l s a r e t r a i n e d u s i n g t h o s e d a t a .T h ee x p e r i m e n t a l r e s u l t ss h o w t h a t t h i sm o d e l i sv e r ye f f e c t i v e .M o r e o v e r ,t h ep e r f o r m a n c eo f t h i sm o d e l o u t p e r f o r m s t h a t o f t r a d i t i o n a l A R M Am o d e l .

K e yw o r d s :c o m m u n i c a t i o n t r a f f i c a n a l y s i s ;f o r e c a s t i n gm o d e l ;S u p p o r t V e c t o r M a c h i n e s (S V M )m o d e l ;A R M Am o d e l

0　引言

随着通信网应用和规模的不断增加,网络管理变得越来越重要,新一代的网管系统对业务量的预测也提出了新的需求,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。话务量预测,是指通过分析通信网话务量的历史数据统计规律或相关因素,对未来网络可能出现的话务量进行估计和预期。预测结果的准确与否直接关系到企业未来的发展,因此对话务量需求的预测日益受到移动运营商的关注[1-4]。

大部分移动公司目前采用的预测技术,仅限于简单函数的拟合预测,如惯性预测[5-6]、K a l m a n 滤波[7]等,这些模型相对简单,难于满足现阶段话务量的复杂变化方式。话务量作为一种典型的时间序列,常用的时间序列分析预测方法———A R M A 模型[8]被应用于话务量预测,并能较好地描述话务量序列,但是其前提是话务量序列是平稳的,且很难针对话务特点进行分块描述不同变化的话务量。

话务量是一种动态的、随机的时间序列,随着每天的不同时间段而变化,而且易受节假日、旅游等其他因素的影响,工作日话务量大而使其话务量高于周末,白天流量又明显高于夜间。随着话务量的变化方式趋于复杂,而话务量预测工具缺乏和准确率不高,因此对话务量预测模型进行研究和引入新的预测模型,将具有重大意义。鉴于以上模型的不足,本文针对话务量自身特点,即周末话务量与工作日话务量具有不

同特性,提出了一种基于支持向量机(S u p p o r tV e c t o r

M a c h i n e s ,S V M )[9-10]

分块回归分析的预测模型,将话务量按日期分为工作日话务量、周末话务量进行建模,然后采用不同

的模型预测相应的话务量,获得了更好的预测效果。

1　预测模型设计

1.1　预测模型框架图

本文设计了一个基于S V M 分块回归分析的话务量预测模型,该模型包括两个阶段:训练阶段和预测阶段,其结构如图1所示。训练阶段过程如下:首先读入数据,对数据进行预处理,然后根据日期将训练数据分为工作日话务量数据和周末话务量数据,分别用于训练两个不同的S V M 模型———即工作日模型和周末模型,保存训练好的模型用于预测阶段使用。在预测阶段,导入训练好的模型,根据测试数据的日期(属于工作日或者周末)对数据分类,将预处理后的数据分别输入到相应的预测模型(即工作日话务量模型和周末话务量模型),然后进行预测得到预测结果,最后将预测结果整合到一起,输出预测数据。

1.2　预处理

读入数据之后,先通过预处理对原始数据进行归一化处理,归一化过程如下:

P i =(X i -X

)/σ(1)

其中X i 为原始数据,X 为数据均值,σ为数据方差,原始数据经过预处理后变换为均值为零的数据P i

,在预测阶段可根据第28卷第9期

2008年9月

计算机应用

C o m p u t e r A p p l i c a t i o n s

V o l .28N o .9

S e p .2008