本文關(guān)鍵詞：移動通信話務(wù)和湖泊輪廓演變的預測模型研究

  更多相關(guān)文章： 話務(wù)量 支持向量機 蟻群優(yōu)化算法 高斯過程回歸 灰色預測 圖像預測

【摘要】：關(guān)于預測的研究,已經(jīng)有眾多學者做了大量的相關(guān)工作。但是在實際應(yīng)用中,預測模型的構(gòu)建通常是具有針對性的,預測結(jié)果的精度也存在很大提升空間。并且,對于在平面上進行圖形的預測還不成熟。本文專注于預測分析與建模的研究。在前人對預測模型的研究基礎(chǔ)上,從移動通信話務(wù)和湖泊輪廓演變兩個應(yīng)用方面著手,具體研究工作如下:首先構(gòu)建支持向量機模型。由于其訓練參數(shù)決定著最終結(jié)果的精確度,選擇了具有全局優(yōu)化能力的蟻群算法來對支持向量機進行改進優(yōu)化。經(jīng)過實驗仿真,優(yōu)化之后的支持向量機模型,在話務(wù)量預測的精度及時效性上相對于傳統(tǒng)支持向量機模型具有明顯優(yōu)勢。為了更準確的對忙時話務(wù)量進行預測,在考慮多因素條件下提出一種基于經(jīng)驗模態(tài)分解的高斯過程和灰色預測的組合預測模型。首先提取出對話務(wù)量最有影響力的關(guān)鍵因素。然后用經(jīng)驗模態(tài)分解法把話務(wù)量數(shù)據(jù)在時域上分解成具有不同頻率特征的多個分量。把這些分量結(jié)合高斯過程和灰色模型分別進行預測,然后把各預測結(jié)果疊加,得到話務(wù)量預測值。通過仿真實驗,驗證了該算法在預測話務(wù)量方面具有預測精度高,實現(xiàn)較容易等優(yōu)越性。為了更深入廣泛的研究預測模型的應(yīng)用,提出了基于圖像變化的預測模型。以我國章江頭木錯湖為例,研究了湖泊邊緣的演變。從采集的該湖泊遙感圖像上得到其邊緣圖,作為研究區(qū)域。在研究區(qū)域中間選擇一個原點,并以此作射線,得到預測所需的原始數(shù)據(jù)。建立灰色預測模型,對所得數(shù)據(jù)進行預測分析,得到湖泊輪廓變化的預測圖,并對預測結(jié)果進行驗證,最終結(jié)果表明該研究方法對湖泊輪廓變化趨勢的預測是可行的并且有較高的預測精度。
【關(guān)鍵詞】：話務(wù)量 支持向量機 蟻群優(yōu)化算法 高斯過程回歸 灰色預測 圖像預測
【學位授予單位】：新疆大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P332;TN929.5;TP18
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-13
• 1.1 研究背景和意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-11
• 1.3 本論文的主要研究內(nèi)容11
• 1.4 本論文結(jié)構(gòu)框架11-13
• 第二章 理論基礎(chǔ)知識及常見的模型13-23
• 2.1 話務(wù)量基本理論13-14
• 2.1.1 影響話務(wù)量的主要因素13-14
• 2.2 湖泊演變的過程14-15
• 2.3 常見的幾種預測模型15-23
• 2.3.1 自回歸滑動平均模型15-16
• 2.3.2 神經(jīng)網(wǎng)絡(luò)預測模型16
• 2.3.3 支持向量機預測模型16-19
• 2.3.4 灰色預測模型19-20
• 2.3.5 高斯過程回歸預測模型20-23
• 第三章 基于蟻群算法優(yōu)化支持向量機的移動話務(wù)量預測23-28
• 3.1 引言23
• 3.2 基本原理23-25
• 3.2.1 支持向量回歸機模型23-24
• 3.2.2 蟻群優(yōu)化算法24-25
• 3.2.3 蟻群算法優(yōu)化支持向量機25
• 3.3 實驗仿真25-27
• 3.4 結(jié)語27-28
• 第四章 基于EMD和高斯-灰色模型的話務(wù)量預測28-35
• 4.1 引言28
• 4.2 基本原理28-30
• 4.2.1 經(jīng)驗模態(tài)分解28-29
• 4.2.2 高斯過程29
• 4.2.3 灰色預測29-30
• 4.3 預測模型及過程30-31
• 4.4 仿真實驗分析31-33
• 4.4.1 實驗數(shù)據(jù)31-32
• 4.4.2 仿真實驗32-33
• 4.5 結(jié)束語33-35
• 第五章 關(guān)于湖泊輪廓變化趨勢圖像預測仿真研究35-46
• 5.1 引言35-36
• 5.2 模型基本原理36-37
• 5.2.1 模型系統(tǒng)原理框圖36
• 5.2.2 圖像信息采集系統(tǒng)36-37
• 5.2.3 灰色模型37
• 5.2.4 GM（1，1）模型具體建模步驟37
• 5.3 仿真實驗分析37-44
• 5.3.1 數(shù)據(jù)來源37-39
• 5.3.2 數(shù)據(jù)的的獲得及分析方法39-41
• 5.3.3 輪廓變化趨勢預測41-43
• 5.3.4 結(jié)果檢驗43-44
• 5.4 結(jié)束語44-46
• 第六章 總結(jié)與展望46-48
• 6.1 總結(jié)46-47
• 6.2 前景展望47-48
• 參考文獻48-54
• 攻讀學位期間發(fā)表的學術(shù)論文54-55
• 致謝55-56

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊桂元,唐小我;對預測模型質(zhì)量評價的方法探討[J];中國軟科學;1998年11期

2 鮑祥霖;一個新的銷量預測模型[J];系統(tǒng)工程理論方法應(yīng)用;2000年01期

3 徐家湛;灰色預測模型在經(jīng)濟數(shù)列預測中的應(yīng)用[J];北京統(tǒng)計;2004年06期

4 馬麗萍,褚立國;試論平均預測模型假設(shè)[J];內(nèi)蒙古科技與經(jīng)濟;2004年14期

5 葛菊紅;化存才;;“平移序列”的灰色預測模型及其在國慶黃金周中的應(yīng)用[J];云南大學學報(自然科學版);2006年S1期

6 吳忠權(quán);;黔南州2006—2010年人才需求總量預測模型構(gòu)建[J];科技信息(學術(shù)研究);2007年12期

7 吳建國;;城市主導特色的預測模型[J];統(tǒng)計與決策;2007年09期

8 汪燕;黃會明;姚靜;;基于灰色預測模型與回歸理論對千車故障數(shù)的分析[J];銅陵學院學報;2007年05期

9 李楷;;論汽車整車庫存預測模型的構(gòu)建[J];現(xiàn)代商貿(mào)工業(yè);2008年05期

10 姚青;劉彥良;張斌;;基于因素重構(gòu)分析的人才總量預測模型[J];曲阜師范大學學報(自然科學版);2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術(shù)會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應(yīng)用[A];中國城市建設(shè)與環(huán)境保護實踐——城市建設(shè)與環(huán)境保護學術(shù)研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術(shù)年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預測模型[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學會學術(shù)年會專輯[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 劉慶;“預測模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設(shè)計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術(shù)官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎(chǔ)架構(gòu)的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構(gòu)建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應(yīng)”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀經(jīng)濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質(zhì)大學;2015年

2 張麗;牦牛肉用品質(zhì)特性及近紅外預測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學院;2015年

3 吳利豐;分數(shù)階灰色預測模型及其應(yīng)用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農(nóng)業(yè)大學;2016年

5 文江平;農(nóng)村地區(qū)成人2型糖尿病發(fā)生風險相關(guān)生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術(shù)后抗凝治療中的應(yīng)用[D];天津醫(yī)科大學;2016年

7 周闖;原發(fā)性肝癌術(shù)后轉(zhuǎn)移復發(fā)分子預測模型的優(yōu)化整合與臨床轉(zhuǎn)化[D];復旦大學;2012年

8 孫忠林;煤礦安全生產(chǎn)預測模型的研究[D];山東科技大學;2009年

9 王冬光;控制技術(shù)在投資預測模型建立中的應(yīng)用研究[D];哈爾濱工程大學;2005年

10 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經(jīng)濟貿(mào)易大學;2006年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡(luò)的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關(guān)鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應(yīng)用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質(zhì)大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應(yīng)用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構(gòu)建[D];復旦大學;2013年

7 石大宏;基于序列的蛋白質(zhì)—核苷酸綁定位點預測研究[D];南京理工大學;2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡(luò)的混合預測模型的實例研究[D];蘭州大學;2015年

9 趙Z，

本文編號：897535