一种基于arma模型的投诉预测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及通信技术领域，特别涉及一种基于ARMA (Auto-Regressive and Moving Average,自回归滑动平均）模型的投诉预测方法及装置。
【背景技术】
[0002] 随着移动通信技术的飞速发展，移动网络规模越来越大，以及越来越复杂，这在一 定程度上给网络运行维护和用户投诉处理带来了极大的挑战，移动通信客户数的增长也使 得客户投诉日益增多。为了提升客户的满意度，需要移动运营商提前对投诉数量进行预测， 以获得超忙指标预警，做好相应的前期准备。
[0003] 目前，移动运营商根据以往的经验值，来确定后续某个时间段内的投诉数量，但准 确率较低。因此需要提出一种投诉预测方法，以提高投诉数量预测的准确率。
【发明内容】
[0004] 有鉴于此，本发明提供一种基于ARMA模型的投诉预测方法及装置，以提高投诉数 量预测的准确率。
[0005] 本发明提供了一种基于ARMA模型的投诉预测方法，包括：
[0006] 获取多个连续时间段内的实际投诉数量，形成原始数据序列；
[0007] 对所述原始数据序列进行预处理，得到当前数据序列；
[0008] 根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对 应预测投诉数量的ARMA模型函数；
[0009] 根据所述ARMA模型函数，计算所述下一个时间段的预测投诉数量。
[0010] 优选地，
[0011] 进一步包括：设置建模条件，所述建模条件为所述原始数据序列为平稳非纯随机 数据序列；
[0012] 所述对所述原始数据序列进行预处理，得到当前数据序列，包括：
[0013] 对所述原始数据序列进行校验，若校验结果为所述原始数据序列满足所述建模条 件，则将所述原始数据序列作为当前数据序列；若校验结果为所述原始数据序列不满足所 述建模条件，则对所述原始数据序列进行差分运算，得到当前数据序列。
[0014] 优选地，所述根据所述当前数据序列确定与所述多个连续时间段相连续的下一个 时间段所对应预测投诉数量的ARMA模型函数，包括 ：
[0015] 根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对 应预测投诉数量的ARMA模型函数如下 ：
【主权项】
1. 一种基于ARMA模型的投诉预测方法，其特征在于，包括： 获取多个连续时间段内的实际投诉数量，形成原始数据序列； 对所述原始数据序列进行预处理，得到当前数据序列； 根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对应预 测投诉数量的ARMA模型函数； 根据所述ARMA模型函数，计算所述下一个时间段的预测投诉数量。
2. 根据权利要求1所述的方法，其特征在于， 进一步包括：设置建模条件，所述建模条件为所述原始数据序列为平稳非纯随机数据 序列； 所述对所述原始数据序列进行预处理，得到当前数据序列，包括： 对所述原始数据序列进行校验，若校验结果为所述原始数据序列满足所述建模条件， 则将所述原始数据序列作为当前数据序列；若校验结果为所述原始数据序列不满足所述建 模条件，则对所述原始数据序列进行差分运算，得到当前数据序列。
3. 根据权利要求1所述的方法，其特征在于，所述根据所述当前数据序列确定与所述 多个连续时间段相连续的下一个时间段所对应预测投诉数量的ARMA模型函数，包括： 根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对应预 测投诉数量的ARMA模型函数如下：
其中，矣为t时刻的预测投诉数量，xt_p……xt_i分别为t-p时刻、……t-1时刻的实际 投诉数量，小^……、小p均为第一未知参数，9 ^……、9q均为第二未知参数，eh、……、et_q分别为t-1时刻、……、t-p时刻的随机误差项。
4. 根据权利要求3所述的方法，其特征在于， 进一步包括：根据下述运算方式计算ARMA模型函数中的第一未知参数：小……、 扒： 51 :令： A- 1 =召. 计算AR (p):足=戎Vl +矣七―2 +…尸+ A . 其中，XiSi时刻的实际投诉数量，Y为实际投诉数量的均值； 52 :设中间值1、Y、X和P，令：
3 〇i，（J)2，…（J)p); 53 :计算^的最小二乘估计3 := (XTXrXTY，解出t、……、小p; 进一步包括：根据下述运算方式计算ARMA模型函数中0:、……、0q; 54 :令： J
5 设中间值1、￥、父和，令： 1 =max(p,q)；
p2=卜〇p-Oy...,-〇q；； S6 :计算3 2的最小二乘估计3 2= (eTe广eTY,解出0 " ......、0 进一步包括：根据下述运算方式计算目标（p,q):
将计算最小BIC(p,q)值的（p,q)作为目标（p,q)。
5.根据权利要求1至4中任一所述的方法，其特征在于，在所述预测所述多个连续时间 段的下一个时间段的投诉数量之前，进一步包括： 对所述ARMA摁型?翁讲行烚骀?所沭烚骀?翁仞栝， S7 :计（
<t<n;计 算&二A-毛，1 <t<n;
SS:计算歹，灸其中! ? 5 S9 :按照纯随机性检验过程中LB统计量及对应P值的计算公式得出误差序列et对应 的P值；
在P>0. 05,检验通过，并执行所述预测所述多个连续时间段的下一个时间段的投诉数 量。
6. -种基于ARMA模型的投诉预测装置，其特征在于，包括： 获取单元，用于获取多个连续时间段内的实际投诉数量，形成原始数据序列； 预处理单元，用于对所述原始数据序列进行预处理，得到当前数据序列； 确定单元，用于根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时 间段所对应预测投诉数量的ARMA模型函数； 计算单元，用于根据所述ARMA模型函数，计算所述下一个时间段的预测投诉数量。
7. 根据权利要求6所述的装置，其特征在于， 进一步包括：存储单元，用于保存建模条件，所述建模条件为所述原始数据序列为平稳 非纯随机数据序列； 所述预处理单元，用于对所述原始数据序列进行校验，若校验结果为所述原始数据序 列满足所述建模条件，则将所述原始数据序列作为当前数据序列；若校验结果为所述原始 数据序列不满足所述建模条件，则对所述原始数据序列进行差分运算，得到当前数据序列。
8. 根据权利要求6所述的装置，其特征在于，所述确定单元，用于根据所述当前数据序 列确定与所述多个连续时间段相连续的下一个时间段所对应预测投诉数量的ARMA模型函 数如下： i, =Axt-i+ ??* +^pxt-P ~ -----0#t-q 其中，毛为t时刻的预测投诉数量，Xt_p……Xt_i分别为t-p时刻、……t-i时刻的实际 投诉数量，小^……、小p均为第一未知参数，9 ^……、9q均为第二未知参数，eh、……、et_q分别为t_l时刻、……、t_p时刻的随机误差项。
9.根据权利要求4所述的装置，其特征在于， 所述计算单元，用于根据下述运算方式计算ARMA模型函数中的第一未知参数： ^1> ......、小 P: 51 :令： X- - X = x{. 计算AR(p:
其中，^为i时刻的实际投诉数量，I为实际投诉数量的均值； 52 :设中间值1、Y、X和P，令： 1 =max(p,q)； '
9 3 p<J)2，…<J)p); 53 :计算^的最小二乘估计3 := (XTXrXTY，解出t、……、小p; 进一步包括：根据下述运算方式计算ARMA模型函数中0:、……、0q; 54 :令： 计算MA(q)
55 :计算
设中间值1、￥、父和，令： 1 =max(p,q)；
3 2= (_ 0 1，_ 0 2，…，_ 0q); 56 :计算3 2的最小二乘估计3 2= (eTe)_ieTY，解出0i、......、0 进一步包括：根据下述运算方式计算目标（p，q):
将计算最小BIC(p,q)值的（p,q)作为目标（p,q)。
10.根据权利要求6至49中任一所述的装置，其特征在于，进一步包括： 检验单元，用于对所述ARMA模型函数进行检验，所述检验函数包括： 57 :计参
>max(p,q) ^t^n；if算A= 毛，1彡t彡n; S8:计算表.其4
S9 :按照纯随机性检验过程中LB统计量及对应P值的计算公式得出误差序列et对应 的P值；
在P>0. 05,检验通过，并执行所述预测所述多个连续时间段的下一个时间段的投诉数 量。
【专利摘要】本发明提供一种基于ARMA模型的投诉预测方法及装置，方法包括：获取多个连续时间段内的实际投诉数量，形成原始数据序列；对所述原始数据序列进行预处理，得到当前数据序列；根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对应预测投诉数量的ARMA模型函数；根据所述ARMA模型函数，计算所述下一个时间段的预测投诉数量。根据本方案，提高了预测的准确率。
【IPC分类】H04W24-06
【公开号】CN104618949
【申请号】CN201510080239
【发明人】郑海彬
【申请人】浪潮通信信息系统有限公司
【公开日】2015年5月13日
【申请日】2015年2月13日