基于小波变换的话务量预测

陈曦; 姚震宇

doi:10.13992/j.cnki.tetas.2014.08.009

Chinese

您当前的位置：

首页 >

文章列表页 >

基于小波变换的话务量预测

工程与设计 | 更新时间：2026-04-20

- 基于小波变换的话务量预测
- Traffic load forecasting based on wavelet transform
- 电信工程技术与标准化 2014年27卷第8期页码：41-44
- 作者机构：
  
  中国移动通信集团四川有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2014.08.009
  中图分类号： TN929.5
- 纸质出版：2014
- 稿件说明：
移动端阅览
[1]陈曦,姚震宇.基于小波变换的话务量预测[J].电信工程技术与标准化,2014,27(08):41-44.

陈曦, 姚震宇. Traffic load forecasting based on wavelet transform[J]. 2014, 27(8): 41-44.
[1]陈曦,姚震宇.基于小波变换的话务量预测[J].电信工程技术与标准化,2014,27(08):41-44. DOI： 10.13992/j.cnki.tetas.2014.08.009.

陈曦, 姚震宇. Traffic load forecasting based on wavelet transform[J]. 2014, 27(8): 41-44. DOI： 10.13992/j.cnki.tetas.2014.08.009.

摘要

本文将小波变换应用到话务量的预测中

利用小波分解法将非平稳时间序列的GSM话音话务量分解为多个细节信号分量和逼近信号分量。对细节信号采用AR模型或者余弦逼近进行拟合建模

对逼近信号采用多项式拟合和AR模型相结合的方式建模。利用某运营商2009年1月

013年7月每月的博彩日话音话务作为检验序列集

前50个月的数据用来建模拟合

最后5个月数据作为预测比较

发现拟合相关度为0.991

预测平均绝对误差为0.029

预测结果比单纯使用曲线拟合要好。

Abstract

We apply the wavelet transform to forecast the traffi c load in this thesis. The traffi c load time series are decomposed into several detail signal and approximation signal by the wavelet decomposition. We use AR model or the cosine approximation model to fit the detail signal

and polynomial fitting and AR model to fi t the approximation signal. Using the traffi c of gaming day as the test sequence which from Jan-2009 to Jul-2013

the fi rst 50 months of the data to model fi tting comparison

the last 5months of data to forecast. We found the fi tting correlation degree is 0.991

the average absolute error of prediction is 0.029.

关键词

Keywords

references

基于小波技术的网络时序数据挖掘 [J]. 郭四稳,何维,王鹏. 计算机工程 . 2007(02)

基于小波分解的某些非平稳时间序列预测方法 [J]. 徐科,徐金梧,班晓娟. 电子学报 . 2001(04)

小波分析与应用实例[M]. 中国科学技术大学出版社 , 徐佩霞,孙功宪编著, 1996

时间序列分析[M]. 北京大学出版社 , 谢衷洁编著, 1990

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据