小波神经网络结合多项式的混合预测方法在通信规划中的应用

• 作 者: 董健;尹萌;张辉;
• 机 构: 中国移动通信集团设计院有限公司河北分公司 石家庄050021
• 出 处: 2011全国无线及移动通信学术大会
• 发表日期: 2011年期

分析了通信网络规划中对数据预测的特殊要求,即近细远粗原则和参考数据少、预测量大,并提出了适合规划层次的小波神经网络结合多项式的混合预测方法,其中近细采用小波神经网络法,实现规划制定年度的月粒度的精细化预测,远粗采用季节波段结合多项式等预测方法,体现较宏观的趋势.本方法在某省话务量预测中得到验证,为通信网络的规划提供了方法论支撑.
网络规划是移动通信网络建设中的重要环节，特别是在通信行业整体增长低于GDP增长率的环境下，它对于网络的建设成本和运行质量都有着很重要的影响。3年滚动规划是运营商制定第二年市场和网络规模的依据，因此如何合理较好地进行未来规划期内用户数、语音数据流量、网络忙时是至关重要的问题。与网络优化扩容和网络实时监控不同，网络规划中的预测有其自身的特点，可利用的数据点较少，而预测周期较长。一般来讲过去通过历史数据需要预测未来3-5年的数据。
传统的预测方法包括多项式法、增长率法、神经网络法、支持向量机等，前两者适用于中长期趋势预测，后两者属于智能算法更适合于短期的数据预测。小波神经网络(wavelet neural network, WNN)是小波分析理论与神经网络理论相结合的产物。它综合了小波分析多尺度分析和神经网络自学习的优点，广泛应用于数据挖掘、模式识别等领域。
本文针对规划中的基本原则，即近细远粗原则，将相关的预测理论与具体实践相结合，提出了适合近细远粗的一种混合预测的方法。采用具有自主学习能力较强的小波神经网络算法进行短期阶段预测，充分发掘现有数据的自身规律，细化短期趋势。同时，在中长期阶段，采用多项式结合季节波动的方法，能够更好地体现长期趋势，并且可以将未来的相关策略考虑进去。