CN105574601A - 用于移动话务统计的回归模型建模方法 - Google Patents
用于移动话务统计的回归模型建模方法 Download PDFInfo
- Publication number
- CN105574601A CN105574601A CN201410575653.2A CN201410575653A CN105574601A CN 105574601 A CN105574601 A CN 105574601A CN 201410575653 A CN201410575653 A CN 201410575653A CN 105574601 A CN105574601 A CN 105574601A
- Authority
- CN
- China
- Prior art keywords
- regression model
- modeling method
- test
- model modeling
- mobile traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Telephonic Communication Services (AREA)
Abstract
用于移动话务统计的回归模型建模方法,包括建立可线性化回归模型的步骤,所述建立可线性化回归模型的步骤包括如下子步骤;S1进行变量变换实现线性化;S2进行线性回归预测;S3进行反变换实现数据还原;还包括对回归模型的检验步骤。本发明所述的用于移动话务统计的回归模型建模方法可以预测在不同用户发展计划及不同资费标准下的移动通信业务量,从而为移动通信运营商确定网络建设规模提供依据。利用本发明对话务量发展变化进行短期预测,能为企业决策支持者服务,为企业决策者制定企业生产经营发展年度计划、季度计划,明确规定短期经济发展任务提供依据。
Description
技术领域
本发明属于电子通信领域,涉及数字信号处理方法,特别是一种用于移动话务统计的回归模型建模方法。
背景技术
预测是指以准确的调查统计资料和市场经济信息为依据,从现象的历史、现状和规律出发,运用科学的方法,对未来发展前景的测定。预测是决策科学化的工具,是编制计划、预见计划执行情况、加强计划指导的依据,也是企业改善管理的有效手段之一。
预测方法可以分为定性预测和定量预测。定性经济预测是指,通过调查研究,了解实际情况,凭自己的实践经验和理论、业务水平,对发展前景的性质、方向和程度做出判断进行预测的方法。定量经济预测是指,根据准确、及时、系统、全面的调查统计资料和市场经济信息,运用统计方法和数学模型,对未来发展的规模、水平、速度和比例关系的测定。定量预测包括时间序列预测和回归分析预测等。实际工作中,为了保证预测结果的可信度,定性预测和定量预测往往结合起来使用。
当今电信业竞争已出现了新的趋势,由于技术的突破使通信手段多样化,电信市场上替代性的异质竞争比同质竞争更为激烈,电信业步入了话务量竞争时代。无线电话的竞争,我国主要是“双寡头”移动与联通的竞争,它们之间竞争表现出来的是由市场用户争夺转变为话务量的争夺。同时由于社会经济与移动通信事业的发展,业务发展每年都呈明显的上升趋势,特别是在春节、中秋等某些特定节假日,移动通信突发话务量会比平时突然增高,极易造成交换系统过载,出现电路拥塞,话音接通率下降、话务掉话比上升,甚至出现交换机大面积瘫痪的现象,给移动通信运营商和移动用户都造成不可弥补的损失。因此根据长期话务统计资料和市场经济信息对移动通信话务量的变化趋势进行预测,以此来确定工程扩容将要达到的容量,并由各地设定的相应话务模型计算设备的有效容量,从而决定满足设计容量的设备类型和数量,对于移动通信运营商来说非常有必要。
发明内容
为克服现有技术所存在的不足,本发明公开了一种用于移动话务统计的回归模型建模方法。
本发明所述用于移动话务统计的回归模型建模方法,包括建立可线性化回归模型的步骤,所述建立可线性化回归模型的步骤包括如下子步骤;
S1进行变量变换实现线性化;
S2进行线性回归预测;
S3进行反变换实现数据还原;
还包括对回归模型的检验步骤。
优选的,所述检验步骤包括经济意义检验、统计检验和计量经济学检验。
优选的,所述统计检验为DW检验。
优选的,所述计量经济学检验包括拟合优度检验、方程显著性检验和变量显著性检验。
本发明所述的用于移动话务统计的回归模型建模方法可以预测在不同用户发展计划及不同资费标准下的移动通信业务量,从而为移动通信运营商确定网络建设规模提供依据。利用本发明对话务量发展变化进行短期预测,能为企业决策支持者服务,为企业决策者制定企业生产经营发展年度计划、季度计划,明确规定短期经济发展任务提供依据。
具体实施方式
下面对本发明的具体实施方式作进一步的详细说明。
本发明所述用于移动话务统计的回归模型建模方法,建立可线性化回归模型的步骤如下:
S1进行变量变换实现线性化;
S2进行线性回归预测;
S3进行反变换实现数据还原。
建立了回归模型后,模型是否合理,是否符合话务量的客观规律性,引入的用户数及每用户收入这两个因素是否有效,话务量、用户数和每用户收入这三者之间是否存在线性相关关系,回归模型能否付诸应用,需要通过以下3方面的检验:
a)经济意义检验:检验模型是否符合经济意义,求得的参数估计值的符号与大小是否合理,是否与根据经验和理论所拟定的期望值相符合;
b)统计检验:运用数理统计的方法,对方程进行检验、对模型参数估计值的可靠性进行检验。主要包括拟合优度检验、方程显著性检验和变量显著性检验,即常用的R2检验、F检验和t检验;
c)计量经济学检验:回归分析法假设随机误差项在不同的样本点之间是不相关的,为了检验回归模型是否存在序列相关,通常采用DW检验。为了预测某地区移动通信的话务量,采集了2001年1月~2003年3月之间工作日早忙时话务量数据,将采集的历史数据绘制成“XY散点图”。观察话务量的长期变化、话务量与忙时VLR用户数及话务量与每用户收入的变化趋势图,发现存在一些由于数据误测、市场突变或重大事件导致的异常变化的数据。
为了保持数据序列的增长变化趋势,必须对采集到的历史数据进行修正处理。话务量的变化具有逐步增加的长期变动趋势,话务量的波动具有随季节变化波动基本相同的趋势,本文考虑话务量与用户数及每用户收入之间的关系,因此为消除季节变化的因子,首先采用最小二乘法拟合话务量的趋势曲线:话务量与忙时VLR用户数具有线性增长的趋势;话务量与每用户收入为双曲线变化趋势,对每用户收入变换实现线性化,使得经修正后的用户数和每用户收入这两个自变量与因变量话务量之间的相关性。根据经验,在一般情况下,当相关系数大于或等于0.8时,为高度相关。在相关性分析的基础上拟合回归模型,以便进行推算和预测。选取二元线性回归模型,定义
T——话务量
U——用户数
a,b,c——回归系数
本预测设定置信水平度为95%,即显著性水平α=5%。
为了验证模型是否合理,需要对回归分析的统计量、方差分析表、回归系数及其t检验和DW检验等数据进行分析。
在显著性水平a=5%下,解释变量个数k=2,样本个数n=27,分析表2、表3及DW统计量的计算结果,可得到以下检验结论:
a)经济意义检验:观察回归系数a=4328.28,b=0.0046886,c=573.53,由于用户数U和修正后的每用户收入E′与话务量T均具有正相关性,因此回归系数的符号和大小均比较合理,说明该模型符合经济意义。
b)R2检验:从表2可以看出:R2为0.997836;调整后,R2为0.997656,均很接近1,说明用户数和每用户收入与话务量的关系很密切。
c)F检验:从表3可以看出F检验值为5535.1235,远远大于Fa(k,n-k-1)=F0.05(2,27-2-1)=3.4,说明用户数和每用户收入与话务量之间的回归效果非常明显。
d)t检验:从表4可以看出各回归系数的t检验值分别为:t0=34.47378,t1=24.57886,t2=4.204644,都大于Fα/2(n-k-1)=F0.05/2(27-2-1)=2.0639,说明用户数和每用户收入对话务量有显著影响。
e)DW检验:由小样本DW检验临界值表,得到在解释变量个数k=2,样本个数n=27时,临界值为1.16,本回归模型的D=1.532578>1.16。说明该回归模型不存在自相关,通过计量经济检验。
综合上述检验结果,可得到回归分析的计算模型
T=4328.289+0.0046886U+573.53E′
即T=4328.289+0.0046886U+573.53E-4×108
R2=0.997836、R2=0.997656、n=27、R=5535.1235、S=98.88925、D=1.532578
这是一个较为优良的回归模型,可以根据预测期的用户数和每用户收入,对未来的话务量进行预测。
因为预测存在标准误差,可以在显著性水平α=5%下,确定话务量的预测区间
T±ta/2(n-k-1)S=T±2.0963×98.88925
T±ta/2(n-k-1)S=T±204.097523075
假定预测期内用户数将达到250万,取定资费标准为每用户收入80元,可以得到话务量的预测值为17449.98Erl,预测区间为17245.88~17654.08Erl;如果在相同用户规模的情况下,采取“包月制”或单向收费政策,假定每用户收入将下降到60元左右,则此时的话务量的预测值将为20475.146Erl,预测区间为20271.05~20678.24Erl。因此该预测模型可以估计不同用户数和每用户收入情况下的话务量。
以上实施例预测是基于从20011年1月~20013年3月的原始数据,采用该预测模型对短期的话务量发展变化进行预测,其结果应非常接近实际值。
前文所述的为本发明的各个优选实施例,各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提,各个优选实施方式都可以任意叠加组合使用,所述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (4)
1.用于移动话务统计的回归模型建模方法,其特征在于,包括建立可线性化回归模型的步骤,所述建立可线性化回归模型的步骤包括如下子步骤;
S1进行变量变换实现线性化;
S2进行线性回归预测;
S3进行反变换实现数据还原;
还包括对回归模型的检验步骤。
2.如权利要求1所述的用于移动话务统计的回归模型建模方法,其特征在于,所述检验步骤包括经济意义检验、统计检验和计量经济学检验。
3.如权利要求2所述的用于移动话务统计的回归模型建模方法,其特征在于,所述统计检验为DW检验。
4.如权利要求2所述的用于移动话务统计的回归模型建模方法,其特征在于,所述计量经济学检验包括拟合优度检验、方程显著性检验和变量显著性检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410575653.2A CN105574601A (zh) | 2014-10-25 | 2014-10-25 | 用于移动话务统计的回归模型建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410575653.2A CN105574601A (zh) | 2014-10-25 | 2014-10-25 | 用于移动话务统计的回归模型建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105574601A true CN105574601A (zh) | 2016-05-11 |
Family
ID=55884706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410575653.2A Pending CN105574601A (zh) | 2014-10-25 | 2014-10-25 | 用于移动话务统计的回归模型建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574601A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
CN109905271A (zh) * | 2018-05-18 | 2019-06-18 | 华为技术有限公司 | 一种预测方法、训练方法、装置及计算机存储介质 |
CN111798014A (zh) * | 2019-03-21 | 2020-10-20 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权流转业务量预测方法及系统 |
-
2014
- 2014-10-25 CN CN201410575653.2A patent/CN105574601A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905271A (zh) * | 2018-05-18 | 2019-06-18 | 华为技术有限公司 | 一种预测方法、训练方法、装置及计算机存储介质 |
CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
CN111798014A (zh) * | 2019-03-21 | 2020-10-20 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权流转业务量预测方法及系统 |
CN111798014B (zh) * | 2019-03-21 | 2024-04-09 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权流转业务量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017235914B2 (en) | Improving performance of communication network based on end to end performance observation and evaluation | |
CN109195170A (zh) | 小区扩容方法、装置及存储介质 | |
CN103347259B (zh) | 一种流量提示方法和系统 | |
CN108038040A (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
CN102609778B (zh) | 一种电力通信网风险评估方法及装置 | |
CN110110881A (zh) | 电力客户需求预测分析方法及系统 | |
CN106535204B (zh) | 一种业务覆盖质量评估方法及装置 | |
CN105392154A (zh) | 一种资源占用量的预测方法与预测系统 | |
CN102395135A (zh) | 一种基于灰色系统模型神经网络的vlr用户数预测方法 | |
US20140372172A1 (en) | Method and computer system to forecast economic time series of a region and computer program thereof | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN105574601A (zh) | 用于移动话务统计的回归模型建模方法 | |
Haryadi | Telecommunications Traffic: Technical and Business Considerations | |
CN109934627A (zh) | 建立满意度预测模型的方法及装置 | |
CN113256022A (zh) | 一种台区用电负荷预测方法及系统 | |
CN108989092A (zh) | 一种无线网络预测方法、电子设备及存储介质 | |
CN104254083B (zh) | 预测业务热点的方法及装置 | |
Liu et al. | Traffic-aware channel sensing order in dynamic spectrum access networks | |
CN108243439B (zh) | 移动互联网数据业务质量劣化定位的方法及系统 | |
CN106714223A (zh) | 一种基站能耗模型的建立方法及装置 | |
CN113891336B (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
CN105636070A (zh) | 移动通信话务量预测方法 | |
CN113867966A (zh) | 一种混合云模式的云资源调度方法 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN110032750A (zh) | 一种模型构建、数据生命周期预测方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160511 |
|
WD01 | Invention patent application deemed withdrawn after publication |