【摘要】：電信業(yè)務的傳統(tǒng)預測模型多為統(tǒng)計回歸模型和時間序列模型。前者基于輸入變量和輸出變量之間的因果關(guān)系,要求變量滿足某些特定的統(tǒng)計假設(shè);后者基于時間序列的慣性推演,必須確知或假定序列的變化規(guī)律。由于實際情況很難滿足上述條件,所以傳統(tǒng)預測模型的誤差偏大、使用效果不佳。近年來,以神經(jīng)網(wǎng)絡(luò)為代表的智能預測系統(tǒng)開始在電信業(yè)務的預測中得到應用,但是單一的智能預測技術(shù)都或多或少地存在著這樣那樣的缺陷與問題。為此,不同智能技術(shù)之間的相互促進與補充便成為一種自然的考慮和首要的選擇。 雖然智能技術(shù)具有某些共同的機制和原理,但不同的智能技術(shù)表現(xiàn)出不同的行為特征。神經(jīng)網(wǎng)絡(luò)是模仿人腦結(jié)構(gòu)及功能的非線性信息處理系統(tǒng),具有大規(guī)模的并行計算與分布式存儲能力,且在處理信息的同時,通過對信息的有監(jiān)督和無監(jiān)督學習,實現(xiàn)對任意復雜函數(shù)的實值映射。但是,普通神經(jīng)網(wǎng)絡(luò)的BP學習算法受初始權(quán)值的影響較大,不僅收斂速度緩慢、且容易陷入局部極值,故在實際應用中受到諸多限制。而基于人工生命和演化計算理論的粒子群優(yōu)化算法將生物的優(yōu)勝劣汰過程類比為可行解優(yōu)化的迭代過程,形成一種以“生成+檢驗”為特征的自適應人工智能技術(shù)。由于粒子群優(yōu)化算法對于參數(shù)搜索空間沒有苛刻的條件,故在許多工程優(yōu)化的實際問題中得到了成功的應用。但迄今為止,智能優(yōu)化和智能預測技術(shù)基本上停留在仿真模擬階段,還缺乏能夠完全闡明智能技術(shù)運算特性的理論基礎(chǔ)。 本研究旨在對BP神經(jīng)網(wǎng)絡(luò)和標準粒子群優(yōu)化算法進行綜合的理論及應用分析,試圖結(jié)合混沌變異技術(shù)與小生境進化策略,改進粒子群算法的優(yōu)化機制,使之具備學習適應與協(xié)調(diào)進化的雙重智能,以達到提高算法搜索速度和精度的目的。然后,將改進的粒子群算法植入神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu),用以替換網(wǎng)絡(luò)的BP學習算法,建立新的粒子群神經(jīng)網(wǎng)絡(luò)系統(tǒng),并最終在電信業(yè)務樣本的基礎(chǔ)上,構(gòu)建基于改進粒子群神經(jīng)網(wǎng)絡(luò)的電信業(yè)務預測模型。 論文的研究內(nèi)容主要包括: (1)電信業(yè)務的經(jīng)營現(xiàn)狀與發(fā)展趨勢,影響電信業(yè)務的主要因素及預測要求,現(xiàn)行預測模型的性能及存在的主要問題; (2)粒子群算法的基本原理與優(yōu)化機制,現(xiàn)行粒子群算法存在的問題及原因,改進粒子群搜索性能的理論基礎(chǔ)與現(xiàn)實途徑; (3)粒子群算法與遺傳算法、混沌算法之間的差別與聯(lián)系,混沌變異技術(shù)及混沌初始化程序和小生境進化策略對粒子群算法的作用機制與結(jié)合方式,改進粒子群算法的參數(shù)設(shè)計與計算程序; (4)標準測試函數(shù)的特性與選擇,改進粒子群算法與標準粒子群算法的比較實驗與結(jié)果分析; (5)粒子群算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合原理與集成方式,結(jié)合網(wǎng)絡(luò)的拓撲結(jié)構(gòu)與學習算法,改進粒子群神經(jīng)網(wǎng)絡(luò)的模型設(shè)計與算法程序; (6)電信業(yè)務的預測指標及影響因素,樣本數(shù)據(jù)的采集與統(tǒng)計分析,基于改進粒子群神經(jīng)網(wǎng)絡(luò)的電信業(yè)務預測模型,預測系統(tǒng)的結(jié)構(gòu)參數(shù)與訓練結(jié)果; (7)六種電信業(yè)務預測模型實驗結(jié)果的比較分析與初步結(jié)論; (8)所有智能預測模型在MATLAB7.0平臺基礎(chǔ)上的設(shè)計與開發(fā)程序。 研究的成果及創(chuàng)新性主要表現(xiàn)為: (1)將混沌優(yōu)化技術(shù)和小生境進化策略融入粒子群算法結(jié)構(gòu),并通過適應度函數(shù)變換和慣性權(quán)重自適應調(diào)整,提出了一種具備學習適應與協(xié)調(diào)進化雙重智能的改進粒子群優(yōu)化算法,顯著提高了算法的搜索速度和精度; (2)將改進的粒子群優(yōu)化算法植入神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu),用以替換網(wǎng)絡(luò)的BP學習算法,集成了新的粒子群神經(jīng)網(wǎng)絡(luò)系統(tǒng),顯著改進了系統(tǒng)的學習進化能力和預測效果; (3)在MATLAB7.0軟件平臺的基礎(chǔ)上設(shè)計和開發(fā)了所有智能優(yōu)化算法和智能預測模型的計算機應用程序,順利完成了所有智能優(yōu)化算法和智能預測模型的實現(xiàn)過程; (4)確定了電信業(yè)務預測的指標體系和影響因素,并基于中國電信和中國移動的樣本資料,結(jié)合樣本數(shù)據(jù)的統(tǒng)計分析,構(gòu)建了基于改進粒子群神經(jīng)網(wǎng)絡(luò)的電信業(yè)務預測模型;證實了改進粒子群神經(jīng)網(wǎng)絡(luò)預測系統(tǒng)的顯著成效。
【圖文】：

在三網(wǎng)之間的轉(zhuǎn)化，從而也在一定程度上調(diào)整了三網(wǎng)的產(chǎn)業(yè)結(jié)構(gòu)。網(wǎng)絡(luò)發(fā)展的總體趨勢如圖 1-1 所示。圖1-1 三網(wǎng)融合產(chǎn)業(yè)結(jié)構(gòu)通訊技術(shù)的發(fā)展為電信企業(yè)帶來了新的機遇，但同時讓整個通信行業(yè)面臨著前所未有的挑戰(zhàn)。近年來，隨著電信市場的逐步開放，電信業(yè)的競爭日益加劇，整個行業(yè)的增長速度放緩、利潤逐年下降，，電信企業(yè)的經(jīng)營承受著越來越大的壓力。為了使中國電信能在激烈的市場競爭中立于不敗之地，并保持自身持續(xù)穩(wěn)定的發(fā)展，就必須把握方向，減少盲目經(jīng)營。因此，加強對電信業(yè)務預測技術(shù)的研究既有重要的科學理論價值，又有[1] 電信業(yè)：指圍繞電信業(yè)務展開的產(chǎn)業(yè)鏈，包括電信運營業(yè)與電信制造業(yè)。[2] 電信企業(yè)：即電信運營商，指提供電信業(yè)務的運營機構(gòu)；根據(jù)信息產(chǎn)業(yè)部的規(guī)定，電信業(yè)務分為基礎(chǔ)電信業(yè)務和增值電信業(yè)務�；A(chǔ)電信業(yè)務

本研究技術(shù)路線及論文結(jié)構(gòu)
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2009
【分類號】：F626;F224

【引證文獻】

相關(guān)期刊論文 前3條

1 賈花萍;;改進PSO神經(jīng)網(wǎng)絡(luò)的白水蘋果樹腐爛病預測[J];安徽農(nóng)業(yè)科學;2014年10期

2 陳仕鴻;張英明;;基于Elman神經(jīng)網(wǎng)絡(luò)的電信業(yè)務預測研究[J];黑龍江科技信息;2012年17期

3 焦鵬;王新政;謝鵬遠;;基于粒子群優(yōu)化LSSVM的模擬電路故障診斷方法[J];現(xiàn)代電子技術(shù);2013年08期

相關(guān)博士學位論文 前2條

1 汪鵬;半導體薄層電阻測量新方法研究[D];河北工業(yè)大學;2011年

2 陳娜;中高壓功率IGBT模塊開關(guān)特性測試及建模[D];浙江大學;2012年

相關(guān)碩士學位論文 前6條

1 方鵬程;用戶貢獻內(nèi)容質(zhì)量評價研究[D];北京郵電大學;2011年

2 李振;基于小生境粒子群算法的同時取貨送貨車輛路徑問題研究[D];山東大學;2011年

3 姜林;基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的電力短期負荷預測研究[D];遼寧工程技術(shù)大學;2011年

4 孫剛;電信需求的面板數(shù)據(jù)模型適應性研究[D];北京郵電大學;2012年

5 張穎;基于改進魚群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化研究[D];華南理工大學;2012年

6 張彩云;基于改進PSO算法的模糊神經(jīng)網(wǎng)絡(luò)研究[D];哈爾濱理工大學;2014年

本文編號：2626471