共查询到19条相似文献，搜索用时 125 毫秒
1.
司徒毅 《广东轻工职业技术学院学报》2009,8(4):1-4
电信运营商通过分析各个时间段、各个具体区域、热点区域的历史话务数据,能够对未来一段时间的话务量进行预测,从而提供面向运营商管理层的决策支持。因此,采用合适的方法对话务量进行准确预测,无论对于话务短期均衡,还是对于网络规划都有一定的帮助。本文将短期预测的代表方法——自回归求和滑动平均（Autoregressive Integrated Moving Average Model,简称ARIMA）模型应用于话务分析,并与往常使用的指数拟合趋势线方法进行对比,实验结果表明ARIMA预测精度较高。 相似文献
2.
为解决交通服务热线12328呼叫中心坐席安排难的问题,提高坐席人员工作效率,针对呼叫中心分时段话务量特性,提出了由预测分时段话务量占当日总话务量比例间接得出分时段话务量的思路,并以比例向量作为叶节点构建决策树模型。应用分类和回归树算法构建决策树时,考虑到分时段话务量样本间的相关性,引入马氏距离对算法中度量切分误差的方法进行改进。结合实际需求,对常用的误差衡量标准进行了修改,以更好地反映分时段话务量预测效果。实验证明,相比于直接预测分时段话务量,该方法预测误差降低了8%,提升了预测准确性。 相似文献
3.
4.
组合模型在我国GDP预测中的应用 总被引：1，自引：0，他引：1
将组合预测法应用于我国GDP的预测,以提高预测精度.通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合.对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(TheilIC)等指标的比较,证明单一模型经过组合能够提高预测精度. 相似文献
5.
将组合预测法应用于我国GDP的预测,以提高预测精度。通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合。对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(Theil IC)等指标的比较,证明单一模型经过组合能够提高预测精度。 相似文献
6.
郑凤霞 《乐山师范学院学报》2013,(12):6-9
结合RBF网络模型和ARIMA模型预测的优点,构建基于RBF网络模型和ARIMA模型的混合模型,对四川省高等教育规模预测问题进行研究。采用构建ARIMA模型得出的预测值对RBF网络模型的预测值进行修正,提高了区域高等教育规模预测的精度。 相似文献
7.
《洛阳师范学院学报》2019,(2):11-14
将时间序列模型应用于2005年第一季度至2018年第三季度的历史GDP指数数据并进行分析.构建ARIMA模型和残余自回归模型,并在此过程中进行白噪声测试和参数测试.结果表明, ARIMA(0, 1, 4)模型是一个相对优化的模型,适用于短期内预测河南省GDP指数的未来趋势.在此基础上作出短期预测结果,显示未来四个季度的河南省地区生产总值指数值呈现稳步减缓的趋势. 相似文献
8.
9.
胡芬 《湖北成人教育学院学报》2011,17(6):145-146
本文介绍了时间序列分析模型ARIMA模型,给出了ARIMA模型的具体计算方法,并利用湖北省老龄人口数对ARIMA模型进行拟合分析,确定了模型的参数,最后得出的结论是利用时间序列模型对老龄人口数进行预测较合理。 相似文献
10.
运用时间序列分析方法之一的单整自回归移动平均模型（ARIMA）法，对全国批发和零售贸易餐饮业进行时间序列分析。分析显示，ARIMA（1，1，10）模型可以提供较准确的预测结果，可以为全国批发零售贸易和餐饮业预测提供一定的依据。 相似文献
11.
为了提高行程时间预测的可靠性,构建了自回归综合移动平均与广义自回归条件异方差性(ARIMAGARCH)模型进行城市主干道行程时间动态置信区间预测,其中ARIMA模型作为GARCH模型的均值方程用于捕获行程时间均值,GARCH模型用于捕获行程时间条件方差.运用昆山市交通监测系统中采集的实际交通流数据进行验证和评估.结果表明,相较于传统的ARIMA模型,提出的方法虽然不能显著提升行程时间均值的预测性能,但是在行程时间波动性预测方面具有较大的优势.该方法可捕获行程时间异方差,从而能够预测出比ARIMA模型预测的固定置信区间更能反映行程时间观测值波动性的动态置信区间. 相似文献
12.
张扬永 《福建工程学院学报》2021,(6):560-567
针对现有的智能交通系统预测方法,基于道路交通的关键参数车流量预测,提出了一种基于深度学习的时间序列交通流预测方法,进一步提升道路交通车流量预测准确率。在对道路交通数据集进行清洗后,使用时间序列和神经网络的结合算法TS-NN 进行车流量预测,实验表明,在城市路段的预测中,TS-NN 相对时间序列模型ARIMA、神经网络模型LSTM 准确率分别提升了1.62%和2.13%?在高速公路数据集上测试上,TS-NN 有更加明显的改进,相对ARIMA、LSTM 分别提升了20.87%和3.53%,在一定程度上,TS-NN 算法确实有助于改进智能交通系统核心算法。 相似文献
13.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
14.
15.
廖敏辉 《衡阳师范学院学报》2007,28(2):57-59
本文利用Box-Jenkin的随机时间序列ARIMA(p,d,q)模型分析法,通过特点的数据处理方式,建立了我国城市化水平的ARIMA(1,2,1)动态预测模型,预测了2006—2010年我国的城市化水平,提出要不失时机地采取相关措施,创造一定条件促进城市化的持续健康稳定的发展的四点建议。 相似文献
16.
分别采用回归分析方法、灰色数列预测方法及时间序列预测中的差分自回归移动平均法（ARIMA）对厦门市滩涂养殖区面积的变化趋势进行模拟,结果表明：ARIMA（2,2,0）模型的拟合效果最好,三次多项式曲线模型和灰色GM（1,1）预测模型的拟合误差均较大．采用ARIMA（2,2,0）模型和三次多项式曲线模型分别对滩涂养殖区面积变化趋势进行短期预测和长期预测,预测结果表明滩涂养殖区的面积呈逐渐下降趋势． 相似文献
17.
文章运用时间序列ARIMA模型的建模方法对云南省楚雄市1961年到2010年年平均气温进行分析研究,通过SAS软件建立了ARIMA(p,d,q)时间序列模型,同时运用建立的模型对楚雄市未来4年的年平均气温值进行了预测;本文的研究结果对当地工农业生产、人民生活具有一定参考价值。 相似文献
18.
依托从英国快速路系统中采集到的实际交通流数据,研究了时间汇集间隔对交通流异方差性的影响．使用1-30min共30种时间汇集间隔,生成了30个实际交通流数据序列,确定并估计了相应的ARIMA模型,计算后得到30个交通流量残差序列．针对不同汇集间隔下的ARIMA模型残差序列,应用portmanteau Q检验和LM（Lagrange multiplier）检验,分析了交通流量序列的异方差性．实证结果表明：交通流量序列在选定的30个汇集间隔都具有显著的异方差性;较长的时间汇集间隔可以消减交通流量序列中的噪声,从而减弱交通流异方差性的程度．研究结果有助于开发具有较高可靠性和鲁棒性的交通管理和控制系统． 相似文献
19.
信令监测系统是做好软交换网络的维护支撑及话务分析工作的有力工具。呼叫记录CDR的合成,是进行话务分析的基础,是整个监测系统的核心技术。该文针对软交换网络中所涉及的有关网络协议,分别研究了其CDR合成技术,并探讨了CDR的关联和去重问题。 相似文献