基于时间序列模型预测点对点短消息业务量

2014-07-29 01:55:14朱立君张瑞
中国新通信 2014年1期
关键词:模型

朱立君 张瑞

一、引言

目前短消息业务与话音业务一样,已经成为移动通信网络提供的基本电信业务之一。通常短消息业务可分为点对点短消息和梦网、行业短消息两大类,这两类短消息都与人们的日常生活密切相关,特别是点对点短消息,已经成为人们日常通信中不可或缺的一部分。

二、时间序列模型

2.1 时间序列模型的定义

时间序列是随时间改变而随机地变化的序列,时间序列预测模型的目的是找出它的变化规律,从而利用规律来预测将来的走势,现有的时间序列预测模型通常包括三类:

(1)自回归模型(AR):反映数据变量的当前值与其过去值的关系

其中p为AR(p)模型的阶数,ut为均值为0,方差为某值的白噪声信号。

(2)移动平均模型(MA):反映数据变量当前值与当前及过去误差项的关系

其中q为MA(q)模型的阶数,ut为均值为0,方差为某值的白噪声信号。

两者结合的模型(ARMA),如果时间序列Yt是它的当期和前期的随机误差项以及前期值的线性函数,即可表示为:

则称该序列为(p,q)阶自回归移动平均模型,ut为均值为0,方差为某值的白噪声信号。记为ARMA(p,q)。

2.2 时间序列分析模型的识别

对于AR、MA、ARMA模型,在进行参数估计之前,需要进行模型的识别。识别的基本任务是确定时间序列样本属于哪种模型,并找出ARMA(p,q)、AR(p)、MA(q)模型的阶。识别的方法是利用时间序列样本的自相关函数和偏自相关函数进行判断,判断方法如表1所示。

拖尾是指函数值随着自变量的增大以负指数速度趋向于0,截尾是指函数值在自变量为某值时不为0,在此值以后等于0。……

登录APP查看全文

猜你喜欢
模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用