移动通讯话务量时间序列预测方法研究

摘要

随着移动通信业务的蓬勃发展，对话务量的预测需求也日益增加，高精度的多步预测方法可以为通信业务提供决策支持。结合移动话务量时间序列多步预测需求，针对经典时间序列模型预测方法对非平稳、多周期多尺度序列预测精度差的问题，本文采用小波方法进行预处理，并提出一种基于先验知识和极大重叠小波分解的话务量经典模型预测方法。
　　本文首先介绍基于时间序列经典模型的预测方法，并结合其趋势和周期特性，利用黑龙江省移动话务量真实数据，讨论求和自回归滑动平均（ARIMA）模型、季节性ARIMA模型、乘积季节性 ARIMA模型建模和预测中的相关问题。其次，介绍时间序列小波分析方法。详细介绍离散小波变换和极大重叠小波变换（MODWT）的基本原理和算法实现，以及小波分析过程中涉及的相关问题，例如小波基选择、分解层数选择、端点效应等。然后，详细阐述基于先验知识和极大重叠小波分解的话务量预测算法。最后，利用黑龙江省移动话务量真实数据进行试验并给出分析和讨论。
　　对实际移动通信话务量数据的预测结果显示：采用本文方法实现的小波分解得到的子层物理意义明晰；对子层进行的精简整合较好地抑制了小波分解过程中引入的算法复杂度增加问题；子层整合后利用乘积季节ARIMA模型获得的预测精度优于乘积季节ARIMA模型预测方法和基于先验知识的小波分解加逐层预测方法；更为重要的是，新方法克服了离散小波变换时间尺度仅能二进伸缩的问题，可在较高精度范围内，实现多步预测；而且，本文方法可推广到更多的多周期实际时间序列。

目录

移动通讯话务量时间序列预测方法研究

RESEARCH ON PREDICTION METHODS FOR MOBILE COMMUNICATIN TRAFFIC SERIES

摘　　要

Abstract

目 录

第1章 绪论

1.1 课题背景及研究的目的意义

1.2 国内外研究现状

1.3 本文主要研究内容及结构

第2章 经典时间序列预测方法分析

2.1 基于ARMA模型的时间序列建模和预测方法

2.2 ARMA模型与趋势和周期特性的结合

2.3 移动通信话务量预测

2.4 本章小结

第3章 时间序列小波分析

3.1 时间序列小波分析原理

3.2 时间序列小波分析算法

3.3 小波分析中需要考虑的问题探讨

3.4 本章小结

第4章 基于先验知识的移动话务量小波分析及预测

4.1 基于常识和傅里叶谱的话务量先验知识

4.2 基于融合型先验知识的话务量小波分析

4.3 话务量成分分析实例

4.4 结合实例的小波分解与合成

4.5 话务量预测实例

4.6 本章小结

结　　论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致　　谢