一種基于arma模型的投訴預(yù)測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及通信技術(shù)領(lǐng)域，特別涉及一種基于ARMA (Auto-Regressive and Moving Average,自回歸滑動平均）模型的投訴預(yù)測方法及裝置。
【背景技術(shù)】
[0002] 隨著移動通信技術(shù)的飛速發(fā)展，移動網(wǎng)絡(luò)規(guī)模越來越大，以及越來越復(fù)雜，這在一 定程度上給網(wǎng)絡(luò)運行維護和用戶投訴處理帶來了極大的挑戰(zhàn)，移動通信客戶數(shù)的增長也使 得客戶投訴日益增多。為了提升客戶的滿意度，需要移動運營商提前對投訴數(shù)量進行預(yù)測， 以獲得超忙指標預(yù)警，做好相應(yīng)的前期準備。
[0003] 目前，移動運營商根據(jù)以往的經(jīng)驗值，來確定后續(xù)某個時間段內(nèi)的投訴數(shù)量，但準 確率較低。因此需要提出一種投訴預(yù)測方法，以提高投訴數(shù)量預(yù)測的準確率。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明提供一種基于ARMA模型的投訴預(yù)測方法及裝置，以提高投訴數(shù) 量預(yù)測的準確率。
[0005] 本發(fā)明提供了一種基于ARMA模型的投訴預(yù)測方法，包括：
[0006] 獲取多個連續(xù)時間段內(nèi)的實際投訴數(shù)量，形成原始數(shù)據(jù)序列；
[0007] 對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列；
[0008] 根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對 應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)；
[0009] 根據(jù)所述ARMA模型函數(shù)，計算所述下一個時間段的預(yù)測投訴數(shù)量。
[0010] 優(yōu)選地，
[0011] 進一步包括：設(shè)置建模條件，所述建模條件為所述原始數(shù)據(jù)序列為平穩(wěn)非純隨機 數(shù)據(jù)序列；
[0012] 所述對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列，包括：
[0013] 對所述原始數(shù)據(jù)序列進行校驗，若校驗結(jié)果為所述原始數(shù)據(jù)序列滿足所述建模條 件，則將所述原始數(shù)據(jù)序列作為當前數(shù)據(jù)序列；若校驗結(jié)果為所述原始數(shù)據(jù)序列不滿足所 述建模條件，則對所述原始數(shù)據(jù)序列進行差分運算，得到當前數(shù)據(jù)序列。
[0014] 優(yōu)選地，所述根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個 時間段所對應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)，包括 ：
[0015] 根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對 應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)如下 ：
【主權(quán)項】
1. 一種基于ARMA模型的投訴預(yù)測方法，其特征在于，包括： 獲取多個連續(xù)時間段內(nèi)的實際投訴數(shù)量，形成原始數(shù)據(jù)序列； 對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列； 根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對應(yīng)預(yù) 測投訴數(shù)量的ARMA模型函數(shù)； 根據(jù)所述ARMA模型函數(shù)，計算所述下一個時間段的預(yù)測投訴數(shù)量。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于， 進一步包括：設(shè)置建模條件，所述建模條件為所述原始數(shù)據(jù)序列為平穩(wěn)非純隨機數(shù)據(jù) 序列； 所述對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列，包括： 對所述原始數(shù)據(jù)序列進行校驗，若校驗結(jié)果為所述原始數(shù)據(jù)序列滿足所述建模條件， 則將所述原始數(shù)據(jù)序列作為當前數(shù)據(jù)序列；若校驗結(jié)果為所述原始數(shù)據(jù)序列不滿足所述建 模條件，則對所述原始數(shù)據(jù)序列進行差分運算，得到當前數(shù)據(jù)序列。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述當前數(shù)據(jù)序列確定與所述 多個連續(xù)時間段相連續(xù)的下一個時間段所對應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)，包括： 根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對應(yīng)預(yù) 測投訴數(shù)量的ARMA模型函數(shù)如下：
其中，矣為t時刻的預(yù)測投訴數(shù)量，xt_p……xt_i分別為t-p時刻、……t-1時刻的實際 投訴數(shù)量，小^……、小p均為第一未知參數(shù)，9 ^……、9q均為第二未知參數(shù)，eh、……、et_q分別為t-1時刻、……、t-p時刻的隨機誤差項。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于， 進一步包括：根據(jù)下述運算方式計算ARMA模型函數(shù)中的第一未知參數(shù)：小……、 扒： 51 :令： A- 1 =召. 計算AR (p):足=戎Vl +矣七―2 +…尸+ A . 其中，XiSi時刻的實際投訴數(shù)量，Y為實際投訴數(shù)量的均值； 52 :設(shè)中間值1、Y、X和P，令：
3 〇i，（J)2，…（J)p); 53 :計算^的最小二乘估計3 := (XTXrXTY，解出t、……、小p; 進一步包括：根據(jù)下述運算方式計算ARMA模型函數(shù)中0:、……、0q; 54 :令： J
5 設(shè)中間值1、￥、父和，令： 1 =max(p,q)；
p2=卜〇p-Oy...,-〇q；； S6 :計算3 2的最小二乘估計3 2= (eTe廣eTY,解出0 " ......、0 進一步包括：根據(jù)下述運算方式計算目標（p,q):
將計算最小BIC(p,q)值的（p,q)作為目標（p,q)。
5.根據(jù)權(quán)利要求1至4中任一所述的方法，其特征在于，在所述預(yù)測所述多個連續(xù)時間 段的下一個時間段的投訴數(shù)量之前，進一步包括： 對所述ARMA摁型?翁講行烚駘?所沭烚駘?翁仞栝， S7 :計（
<t<n;計 算&二A-毛，1 <t<n;
SS:計算歹，灸其中! ? 5 S9 :按照純隨機性檢驗過程中LB統(tǒng)計量及對應(yīng)P值的計算公式得出誤差序列et對應(yīng) 的P值；
在P>0. 05,檢驗通過，并執(zhí)行所述預(yù)測所述多個連續(xù)時間段的下一個時間段的投訴數(shù) 量。
6. -種基于ARMA模型的投訴預(yù)測裝置，其特征在于，包括： 獲取單元，用于獲取多個連續(xù)時間段內(nèi)的實際投訴數(shù)量，形成原始數(shù)據(jù)序列； 預(yù)處理單元，用于對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列； 確定單元，用于根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時 間段所對應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)； 計算單元，用于根據(jù)所述ARMA模型函數(shù)，計算所述下一個時間段的預(yù)測投訴數(shù)量。
7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于， 進一步包括：存儲單元，用于保存建模條件，所述建模條件為所述原始數(shù)據(jù)序列為平穩(wěn) 非純隨機數(shù)據(jù)序列； 所述預(yù)處理單元，用于對所述原始數(shù)據(jù)序列進行校驗，若校驗結(jié)果為所述原始數(shù)據(jù)序 列滿足所述建模條件，則將所述原始數(shù)據(jù)序列作為當前數(shù)據(jù)序列；若校驗結(jié)果為所述原始 數(shù)據(jù)序列不滿足所述建模條件，則對所述原始數(shù)據(jù)序列進行差分運算，得到當前數(shù)據(jù)序列。
8. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述確定單元，用于根據(jù)所述當前數(shù)據(jù)序 列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對應(yīng)預(yù)測投訴數(shù)量的ARMA模型函 數(shù)如下： i, =Axt-i+ ??* +^pxt-P ~ -----0#t-q 其中，毛為t時刻的預(yù)測投訴數(shù)量，Xt_p……Xt_i分別為t-p時刻、……t-i時刻的實際 投訴數(shù)量，小^……、小p均為第一未知參數(shù)，9 ^……、9q均為第二未知參數(shù)，eh、……、et_q分別為t_l時刻、……、t_p時刻的隨機誤差項。
9.根據(jù)權(quán)利要求4所述的裝置，其特征在于， 所述計算單元，用于根據(jù)下述運算方式計算ARMA模型函數(shù)中的第一未知參數(shù)： ^1> ......、小 P: 51 :令： X- - X = x{. 計算AR(p:
其中，^為i時刻的實際投訴數(shù)量，I為實際投訴數(shù)量的均值； 52 :設(shè)中間值1、Y、X和P，令： 1 =max(p,q)； '
9 3 p<J)2，…<J)p); 53 :計算^的最小二乘估計3 := (XTXrXTY，解出t、……、小p; 進一步包括：根據(jù)下述運算方式計算ARMA模型函數(shù)中0:、……、0q; 54 :令： 計算MA(q)
55 :計算
設(shè)中間值1、￥、父和，令： 1 =max(p,q)；
3 2= (_ 0 1，_ 0 2，…，_ 0q); 56 :計算3 2的最小二乘估計3 2= (eTe)_ieTY，解出0i、......、0 進一步包括：根據(jù)下述運算方式計算目標（p，q):
將計算最小BIC(p,q)值的（p,q)作為目標（p,q)。
10.根據(jù)權(quán)利要求6至49中任一所述的裝置，其特征在于，進一步包括： 檢驗單元，用于對所述ARMA模型函數(shù)進行檢驗，所述檢驗函數(shù)包括： 57 :計參
>max(p,q) ^t^n；if算A= 毛，1彡t彡n; S8:計算表.其4
S9 :按照純隨機性檢驗過程中LB統(tǒng)計量及對應(yīng)P值的計算公式得出誤差序列et對應(yīng) 的P值；
在P>0. 05,檢驗通過，并執(zhí)行所述預(yù)測所述多個連續(xù)時間段的下一個時間段的投訴數(shù) 量。
【專利摘要】本發(fā)明提供一種基于ARMA模型的投訴預(yù)測方法及裝置，方法包括：獲取多個連續(xù)時間段內(nèi)的實際投訴數(shù)量，形成原始數(shù)據(jù)序列；對所述原始數(shù)據(jù)序列進行預(yù)處理，得到當前數(shù)據(jù)序列；根據(jù)所述當前數(shù)據(jù)序列確定與所述多個連續(xù)時間段相連續(xù)的下一個時間段所對應(yīng)預(yù)測投訴數(shù)量的ARMA模型函數(shù)；根據(jù)所述ARMA模型函數(shù)，計算所述下一個時間段的預(yù)測投訴數(shù)量。根據(jù)本方案，提高了預(yù)測的準確率。
【IPC分類】H04W24-06
【公開號】CN104618949
【申請?zhí)枴緾N201510080239
【發(fā)明人】鄭海彬
【申請人】浪潮通信信息系統(tǒng)有限公司
【公開日】2015年5月13日
【申請日】2015年2月13日