[發(fā)明專利]一種基于灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)的VLR用戶數(shù)預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201110328755.0
• 申請日: 2011-10-25
• 公開（公告）號: CN102395135A
• 公開（公告）日: 2012-03-28
• 發(fā)明（設(shè)計）人: 錢蕾;趙晨;江政輝;趙超;袁欽;盛利
• 申請（專利權(quán)）人: 江蘇省郵電規(guī)劃設(shè)計院有限責(zé)任公司
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04L12/24;G06N3/08
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

技術(shù)領(lǐng)域

本發(fā)明公開了新型電信業(yè)務(wù)預(yù)測法，特別是一種基于灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)的VLR用戶數(shù)預(yù)測方法。

背景技術(shù)

電信業(yè)務(wù)預(yù)測是通信網(wǎng)絡(luò)分階段建設(shè)規(guī)劃的前提條件，同時也是規(guī)劃期內(nèi)電信業(yè)務(wù)量和投資預(yù)估的必要條件之一。預(yù)測方法的選擇直接關(guān)系到預(yù)測結(jié)果的精確程度。傳統(tǒng)的預(yù)測方法很多，如趨勢外推法，成長曲線法等，但這些預(yù)測方法的預(yù)測結(jié)果會出現(xiàn)以下問題：預(yù)測結(jié)果均為平滑的曲線，無法直觀描述出電信業(yè)務(wù)隨季節(jié)及其他外部環(huán)境引起的波動：

1、預(yù)測結(jié)果均為平滑的曲線，無法直觀描述出電信業(yè)務(wù)的波動性。

2、預(yù)測結(jié)果對國家政策，市場策略等重要因素的變化反應(yīng)不明顯。

3、其他神經(jīng)網(wǎng)絡(luò)算法易于陷入局部最優(yōu)解。

傳統(tǒng)電信預(yù)測包括：1、中國專利《一種電信業(yè)務(wù)支撐系統(tǒng)服務(wù)器處理能力預(yù)測與規(guī)劃方法》，公告號CN101374076；2、中國專利《電信網(wǎng)絡(luò)中基于業(yè)務(wù)預(yù)測的交換電路的自動建立系統(tǒng)和方法》，公告號CN1887024。

神經(jīng)網(wǎng)絡(luò)模型已經(jīng)廣泛的應(yīng)用于各個行業(yè)的數(shù)據(jù)預(yù)測之中，例如：1、中國專利《基于BP神經(jīng)網(wǎng)絡(luò)的水體中葉綠素a濃度預(yù)測方法》，公告號CN101158674；2、中國專利《基于灰色RBF神經(jīng)網(wǎng)絡(luò)的加速壽命試驗壽命預(yù)測方法》，公告號101576443；3、中國專利《基于神經(jīng)網(wǎng)絡(luò)的污水泵站水位預(yù)測方法》，公告號CN101576443；4、中國專利《基于樣本動態(tài)組織與溫度補(bǔ)償?shù)纳窠?jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測》，公告號CN101383023。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)的VLR用戶數(shù)預(yù)測方法。

本發(fā)明公開了一種基于灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)的VLR用戶數(shù)預(yù)測方法，包括如下步驟：

(1)獲取一地區(qū)若干個月內(nèi)的VLR用戶數(shù)以及電信業(yè)務(wù)中對VLR用戶數(shù)有影響的5個指標(biāo)，包括：移動公司市場占有率、移動電話普及率、每月節(jié)假日天數(shù)、居民可支配收入及常駐人口數(shù)；除以上5個指標(biāo)外，本發(fā)明還選取過CPI增長速度、郵電運輸總量、GDP、恩格爾系數(shù)等多個指標(biāo)進(jìn)行計算，經(jīng)過大量運算發(fā)現(xiàn)以上5個指標(biāo)的相關(guān)性最大，相關(guān)系數(shù)均達(dá)到90％以上。

(2)建立灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)；

(3)對灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試；

(4)利用通過測試的灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)來預(yù)測一地市的VLR用戶數(shù)。

本發(fā)明中，步驟(1)中包括對VLR用戶數(shù)以及5個指標(biāo)的數(shù)據(jù)歸一化到0和1之間的歸一化過程。

本發(fā)明中，所述灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)包括四層，第一層有1個神經(jīng)元，第二層有1個神經(jīng)元，第三層有6個神經(jīng)元，第四層有1個神經(jīng)元；

第一層的神經(jīng)元為月份序列，第二層的神經(jīng)元為網(wǎng)絡(luò)參數(shù)初始值，第三層6個神經(jīng)元為第一層月份序列中對應(yīng)月份的VLR用戶數(shù)以及對應(yīng)5個指標(biāo)，第四層為輸出的預(yù)測的VLR用戶數(shù)。

本發(fā)明中，第一層次中，對月份序列進(jìn)行建模，將月份序列數(shù)據(jù)轉(zhuǎn)化為微分方程；

本發(fā)明步驟(2)中灰色系統(tǒng)模型神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)為累加的類指數(shù)函數(shù)。

本發(fā)明中，步驟(3)，所述的對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試是，將檢測數(shù)據(jù)分為兩部分，前70％～90％的月份數(shù)據(jù)用來訓(xùn)練網(wǎng)絡(luò)，后10％～30％的月份數(shù)據(jù)用來檢驗網(wǎng)絡(luò)；對網(wǎng)絡(luò)反復(fù)訓(xùn)練，當(dāng)預(yù)測值與實際值間誤差小于0.1時，停止訓(xùn)練，開始預(yù)測。

本發(fā)明中，所述的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是采用灰色系統(tǒng)算法進(jìn)行訓(xùn)練。

本發(fā)明中，在步驟(4)中，利用通過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，先將檢測數(shù)據(jù)歸一化到0和+1之間再進(jìn)行輸入，并將網(wǎng)絡(luò)運算后的輸出值進(jìn)行反歸一化后得到VLR用戶數(shù)的預(yù)測值。

本發(fā)明以部分信息已知(移動公司市場占有率、移動電話普及率、每月節(jié)假日天數(shù)、居民可支配收入及常駐人口數(shù)這5個已知的和VLR用戶數(shù)相關(guān)性最高的因素)、部分信息未知(VLR用戶數(shù))的不確定系統(tǒng)為處理對象，通過對“部分”已知信息的生成、開發(fā)，挖掘出有價值的信息，實現(xiàn)對系統(tǒng)未知信息運行行為、演化規(guī)律的正確描述和有效預(yù)測。

本發(fā)明中首先針對時間序列建立灰色模型，將時間序列數(shù)據(jù)轉(zhuǎn)化為微分方程，利用移動公司市場占有率、移動電話普及率、每月節(jié)假日天數(shù)、居民可支配收入、常駐人口數(shù)及VLR用戶數(shù)信息，使抽象的模型量化，最后將量化后的方程映射到一個擴(kuò)展的神經(jīng)網(wǎng)絡(luò)中，進(jìn)而可以在缺乏系統(tǒng)特性知識的情況下預(yù)測系統(tǒng)輸出。