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

1、在社會(huì)經(jīng)濟(jì)飛速發(fā)展的今天，數(shù)據(jù)預(yù)測(cè)有著廣泛的應(yīng)用前景，在各個(gè)行業(yè)發(fā)揮著越來(lái)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(cè)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(cè)對(duì)于企業(yè)經(jīng)營(yíng)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(duì)象為某通信企業(yè)的網(wǎng)管數(shù)據(jù)，它記錄運(yùn)營(yíng)商管轄范圍內(nèi)小區(qū)、鄉(xiāng)、縣、地市、省等各個(gè)級(jí)別的各種通信業(yè)務(wù)指標(biāo)。預(yù)測(cè)部分通過(guò)挖掘歷史數(shù)據(jù)內(nèi)的未知知識(shí)預(yù)測(cè)未來(lái)的業(yè)務(wù)指標(biāo),從而為企業(yè)經(jīng)營(yíng)提供參考。

2、 目前，在數(shù)據(jù)預(yù)測(cè)領(lǐng)域，機(jī)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(jī)器學(xué)習(xí)本身，傾向于機(jī)器學(xué)習(xí)算法技術(shù)層面的改進(jìn)，沒(méi)有完整地提出一套規(guī)范的、可行的時(shí)間序列預(yù)測(cè)方案、并在此方案的指導(dǎo)下建立起對(duì)現(xiàn)實(shí)確實(shí)有參考價(jià)值的預(yù)測(cè)模型。事實(shí)上，機(jī)器學(xué)習(xí)方法學(xué)習(xí)能力強(qiáng)，卻并非為數(shù)據(jù)預(yù)測(cè)而提出，要直接用于數(shù)據(jù)預(yù)測(cè)則茫然。由于其本身不提供關(guān)于數(shù)據(jù)預(yù)測(cè)的任何理論依據(jù)，因此盲目地用它做數(shù)據(jù)預(yù)測(cè)，是

3、不可能收到最好效果的。 針對(duì)這樣一種情況，我們研究預(yù)測(cè)業(yè)務(wù)的特點(diǎn)，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(duì)預(yù)測(cè)業(yè)務(wù)的特點(diǎn)對(duì)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(shí)學(xué)習(xí)、知識(shí)發(fā)現(xiàn)工作；一方面，研究如何以這樣的知識(shí)發(fā)現(xiàn)工具，在數(shù)據(jù)預(yù)測(cè)理論指導(dǎo)下進(jìn)行完整、深入的時(shí)序分析與預(yù)測(cè)工作。 在數(shù)據(jù)預(yù)測(cè)領(lǐng)域，時(shí)間序列分析方法對(duì)時(shí)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(dòng)平均模型等為核心的具體計(jì)算方法，其內(nèi)容覆蓋了數(shù)據(jù)預(yù)測(cè)的方方面面，提供了時(shí)間序列預(yù)測(cè)的一套指導(dǎo)性方法。在本文我們選擇時(shí)間序列理論作為預(yù)測(cè)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(shí)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(cè)建立了一套預(yù)測(cè)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(cè)。它具有這樣的一些優(yōu)點(diǎn)：以時(shí)間序列理論指導(dǎo)建模、預(yù)測(cè)的全過(guò)程，因此和單純的機(jī)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(cè)效果；用改進(jìn)的BP-L神經(jīng)網(wǎng)絡(luò)完成時(shí)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(cè)領(lǐng)域，以它作為我們模型中使用的機(jī)器學(xué)習(xí)工具，就預(yù)測(cè)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(wèn)題；與絕大多數(shù)根據(jù)經(jīng)驗(yàn)選擇輸入節(jié)點(diǎn)個(gè)數(shù)的簡(jiǎn)單機(jī)器學(xué)習(xí)預(yù)測(cè)方法相比，它能自動(dòng)實(shí)時(shí)計(jì)算最合理的預(yù)測(cè)階數(shù)而不是去