基于改进的网格搜索SVR的话务预测模型

J4 ›› 2014, Vol. 36 ›› Issue (04): 707-712.

基于改进的网格搜索SVR的话务预测模型

郭美丽1，覃锡忠1，贾振红1，陈丽2

（1.新疆大学信息科学与工程学院,新疆乌鲁木齐 830046;
2.中国移动通信集团新疆有限公司,新疆乌鲁木齐 830063）

收稿日期:2012-09-11 修回日期:2012-12-19 出版日期:2014-04-25 发布日期:2014-04-25
基金资助:
中国移动通信集团新疆有限公司发展基金项目(XJM201111)

The prediction model of traffic based on
improved grid search SVR

GUO Mei li1，QIN Xi zhong1，JIA Zhen hong1，CHEN Li2

(1.College of Information Science and Engineering，Xinjiang University，Urumqi 830046;
2.China Mobile Group Xinjiang Company Limited，Urumqi 830063,China)

Received:2012-09-11 Revised:2012-12-19 Online:2014-04-25 Published:2014-04-25

摘要/Abstract

摘要：

话务预测是整个通信保障工作的基础，其预测精度决定了整个规划的合理性和科学性。而节假日话务量，具有历史样本量较小和非线性强的特点，传统的预测方法很难实现精确的预测。支持向量机在解决小样本和非线性问题时表现出许多特有的优势。提出了一种改进的网格搜索法和交叉验证法对支持向量回归机(SVR)参数优化选择，并对节假日忙时话务进行预测,并与BP神经网络、基本的SVR和网格搜索SVR三种预测模型进行比较。而且用免疫算法和粒子群算法优化SVR参数与本文算法作比较来预测普通日子的话务量。实验结果表明，基于改进的网格搜索SVR预测精度高、耗时少、稳定性强，具有很好的实用性和推广性。

郭美丽1，覃锡忠1，贾振红1，陈丽2. 基于改进的网格搜索SVR的话务预测模型[J]. J4, 2014, 36(04): 707-712.

GUO Mei li1，QIN Xi zhong1，JIA Zhen hong1，CHEN Li2 . The prediction model of traffic based on
improved grid search SVR [J]. J4, 2014, 36(04): 707-712.