时间序列智能电信企业收入预测研究

摘要

随着电信改革的进一步深化，新的市场竞争格局业已形成。电信规模庞大、历史数据丰富，其中隐藏着重要的决策信息。随着国内电信市场竞争的日趋激烈，挖掘经营决策信息进行科学决策，成为电信行业的当务之急。在经营分析系统中收入预测举足轻重，为决策者制定业务发展计划、改善管理、经营决策提供重要的决策支持。 　　本文作为校企合作横向课题的一个重要组成部分，以某电信企业的 19个月历史收入为原始数据，分别采用数据挖掘的时间序列和灰色预测方法进行训练比较，结果发现时间序列精度较高但不能满足实际要求。经过分析采用主因子分析法从数百项收入中选取主要收入项，分别用时间序列方法进行训练，然后对随机项较大的收入指标分别用线性回归、神经网络和支持向量机等智能处理技术求取误差值进行修正，得出的结论是用支持向量机的方法进行修正效果最好。在SPSS Clementine实验环境中经历史数据检验该模型预测精度较高，通过生成脚本嵌入企业服务器实际运行检测完全满足企业需求，精度远远高于其它统计方法的预测结果受到企业用户的高度评价。 　　通过电信企业收入预测研究掌握了相关的数据挖掘理论和软件系统的使用方法，并发现电信企业对数据挖掘需求非常广泛和迫切，数据挖掘技术应用价值潜力巨大。应企业要求目前对套餐匹配数据挖掘系统进行研究。

目录

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景和选题意义

1.2 电信企业收入预测分析

1.3 研究内容与技术路线

1.4 本文的组织结构

2 数据挖掘相关理论与技术方法

2.1 数据挖掘理论概述

2.2 数据挖掘的主要方法

2.3 数据挖掘的流程

3 数据挖掘系统及其技术解决方案

3.1 主流的数据挖掘软件系统

3.2 SPSS Clementine数据挖掘系统

4 电信收入预测模型的设计与实现

4.1 商业理解

4.2 数据理解与数据准备

4.3 收入预测模型的建立

4.4 模型的评估

5 电信收入预测模型的修正

5.1 模型修正的目的

5.2 模型修正的方法与过程

5.3 模型修正的结果

5.4 整体模型及评价

5.5 模型的应用

6 总结与展望

6.1 本文主要工作总结

6.2 进一步研究工作

参考文献