[发明专利]一种基于LS-SVM的移动话务量预测方法

权利要求书

1.一种基于LS-SVM的移动话务量预测方法，其特征在于，它包括以下步骤：

步骤一、选取离当前时刻之前一个月之内的话务量历史数据，并将所述话务量历史数据作为训练样本进行LS-SVM建模，获取LS-SVM预测模型；

步骤二、对新输入样本进行预处理，新输入样本是当前时刻之前的多个时刻的话务量数据的组合，按照设定的嵌入维数和延迟时间对新输入样本进行相空间重构，构建新输入样本重构向量，并进行归一化处理，使得所有数据处于[-1，1]之间；

步骤三、将归一化处理后的新输入样本重构向量输入给步骤一获取的LS-SVM预测模型，输出预测值，并存储；

步骤四、判断是否需要更新LS-SVM预测模型，

如果需要更新，则重新返回步骤一；如果不需要更新，执行步骤五，

步骤五、将步骤三输出的预测值作为当前时刻的话务量数据，并返回执行步骤二，对下一时刻的话务量进行预测。

2.根据权利要求1所述的一种基于LS-SVM的移动话务量预测方法，其特征在于，步骤一中获取LS-SVM预测模型的过程为：

步骤11、选取当前时刻之前一个月之内的话务量历史数据；

步骤12、对话务量历史数据进行预处理：按照设定的嵌入维数和延迟时间来对话务量历史数据进行相空间重构，构建历史重构向量，并进行归一化处理，使得所有数据处于[-1，1]之间；

步骤13、将重构后的话务量历史数据作为训练样本进行LS-SVM建模，获取LS-SVM预测模型。

3.根据权利要求2所述的一种基于LS-SVM的移动话务量预测方法，其特征在于，步骤12中的历史重构向量被构造为：

d(k)＝[x(k-1)，x(k-2)，x(k-23)，x(k-24)，x(k-25)，x(k-48)]，k的单位为小时。

4.根据权利要求1或2所述的一种基于LS-SVM的移动话务量预测方法，其特征在于，LS-SVM预测模型表示为f(x)=Σi=1lαiK(x,xi)+b,]]>

其中，径向基核函数K(x，x_i)＝exp{-||x-x_i||²/σ²}；α_i为拉格朗日乘子α的数组元素，

且α=A-1(y-b1→),]]>

偏移量b=1→TA-1y1→TA-11→,]]>

其中矩阵核函数矩阵Ω＝K(x_i，x_j)。