基于VMPSO-BP神经网络的话务量预测

晏新祥, 贾振红, 覃锡忠, 常 春, 王 浩

（①新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046; ②中国移动新疆分公司, 新疆 乌鲁木齐 830063）

0 引言

话务量预测，是指先分析和总结历史话务量数据的特点及其影响它的一些因素，然后找到一种恰当的方法对未来的话务量进行预测。其预测的准确性与一些企业和公司的日后发展有很大关系，所以很多移动运营商对话务量的预测非常地在意和关注[1]。目前一些移动公司采用函数拟合预测方法，譬如惯性预测[2]，此模型非常简单，不能满足话务量的日益发展的变化需求。时问序列分析预测方法——ARIMA模型[3-4]也经常用来预测话务量，但它所要求的前提是话务量序列必须是平稳的。紧接着用支持向量机理论[5-6]来预测话务量，但是确定它的参数十分困难，而且参数的准确与否直接影响着话务量的预测。针对以上那些模型的缺陷，在粒子群优化算法(PSO, Particle Swarm Optimization)[7]的基础上，提出了把速度变异粒子群算法与 BP网络相结合，形成了速度变异的粒子群—BP(VMPSO-BP)网络算法，用它训练网络，优化了神经网络的参数，得到了基于VMPSO-BP算法的网络模型，最后对移动话务量进行了预测。试验的数据结果表明所研究的方法具有更高的预测精度、更快的收敛速度的优点。

1 速度变异粒子群算法

在PSO算法中，粒子群会朝向全局最小或局部最小的方向收敛，第i个粒子以前到过的最好位置为Pb，粒子群体以前到过的最好位置为 Gb。这时，Pb、Gb和每一个粒子当前位置都会趋向于同一点，这时的每一个粒子的运动速度就几乎趋向于零。……