改进模糊自回归模型在预测网络接通率中的应用.docVIP

改进模糊自回归模型在预测网络接通率中的应用 　　摘要： 　　针对通信网络中性能指标预测的需要，提出了基于改进的模糊自回归模型的接通率预测方法，研究了拟合度门限自适应的模糊自回归模型。将中值滤波应用于模糊自回归模型的数据预处理中，在此基础上，针对部分应用拟合度门限不明确的特点，将拟合度门限计算式加入预测模型中，实现模型拟合度门限的自适应。仿真实验表明：基于Fuzzy AR模型的预测方法可以用于对接通率的预测，预测结果拟合度较高。 　　关键词： 　　模糊预测；自适应拟合度；模糊自回归模型；接通率预测；数据预处理 　　0引言 　　随着通信网络的发展，承载网络的通信技术已不再是主要问题，而网络性能的管理越来越受到广泛关注，通信网络关键性能指标的性能预测更是当前面临的主要问题。通信网络的接通率是一个时间序列，目前在时间序列的预测方面已经有许多有益的探索[1-3]。针对通信网络中接通率性能指标数据的特点[4]，使用基于模糊时间序列[5-7]的预测算法，并对预测算法进行参数自适应机制方面的研究和改进，为通信网络中性能指标数据的预测方法提供新思路。最后，通过仿真实验验证改进模型对接通率预测的有效性。本文实验数据来源于中国移动通信公司某分公司的TDSCDMA（Time DivisionSynchronous Code Division Multiple Access）网络运行接通率历史数据。 　　4结语 　　Fuzzy AR模型是一种已经在许多领域成功应用的模型[20]。本文根据接通率数据的特点，使用中值滤波方法对模糊化后的接通率序列进行了预处理，消除了原本存在的将Fuzzy AR模型应用于接通率预测上的障碍，使得Fuzzy AR模型可以顺利地应用。接下来，针对部分应用中拟合度门限没有合理的选取策略的问题，提出了在Fuzzy AR模型求解中自适应的拟合度门限算法，为拟合度门限的合理选取提供了依据和指导。实验表明，改进型的Fuzzy AR 算法能够较好地应用于接通率的建模和预测，且拟合度较高。当然，上述方法还存在一定不足：在目标函数的选取中可能还有更加有效和合理的目标函数，相对于传统的线性规划算法，这一算法计算量偏大等，这也是今后探索和努力改进的方向。 　　参考文献： 　　[1] 　　ROJAS I， VALENZUELA O， ROJAS F， et al. Softcomputing techniques and ARMA model for time series prediction [J]. Neurocomputing， 2008， 71（4/5/6）：519-537. 　　[2] 　　KAYACAN E， ULUTAS B， KAYNAK O. Grey system theorybased models in time series prediction [J]. Expert Systems with Applications， 2010， 37（2）： 1784-1789. 　　[3] 　　张晗，王霞.基于小波分解的网络流量时间序列建模与预测[J].计算机应用研究，2012，29（8）：3134-3136. 　　[4] 　　陈巍. 移动通信网络系统接通率评估体系的研究[D].上海：上海海事大学，2006. 　　[5] 　　吴今培. 模糊诊断理论及应用[M].北京： 科学出版社， 1995. 　　[6] 　　吴今培. 模糊时间序列建模及应用 [J].系统工程，2002，20（4）：72-76. 　　[7] 　　SONG Q， CHISSOM B S. Fuzzy time series and its models[J]. Fuzzy Sets and Systems，1993，54（3）：269-277. 　　[8] 　　BOX G E P， JENKINS G M. Time series analysis forecasting and control[M]. 2nd ed. San Francisco， CA： HoldenDay， 1976. 　　[9] 　　KASABOV N K， SONG Q. DENFIS： Dynamic evolving neuralfuzzy inference system and its application for timeseries prediction [J]. IEEE Transactions on Fuzzy Systems， 2002，10（2）： 144-154. 　　[10] 　　HATHAWAY R， BEZDEK J C. Switching regression model and fuzzy