[发明专利]一种基于聚类LS-SVM的移动通信话务量预测方法

权利要求书

1.一种基于聚类LS-SVM的移动通信话务量预测方法，其特征在于，它包括以下步骤：

步骤一、选取当前时刻之前的4至6个月的话务量历史数据，并将所述话务量历史数据作为训练样本，对历史数据进行预处理，采用k-means聚类方法对处理后的样本进行聚类、LS-SVM建模，获取C个LS-SVM预测模型，C为最佳聚类数；

步骤二、对新输入的样本进行预处理，按照设定的嵌入维数和延迟时间对新输入的样本进行相空间重构，并进行归一化处理，使得所有数据处于[-1，1]之间；

步骤三、根据步骤一的C个聚类结果对重构后的新输入样本进行分类，确定其所属的类别；

步骤四、根据步骤三的分类结果，将新输入的样本输入给对应类别的LS-SVM预测模型，输出预测值，完成对输入的待处理样本的快速预测。

2.根据权利要求1所述的一种基于聚类LS-SVM的移动通信话务量预测方法，其特征在于，步骤一中获取C个LS-SVM预测模型的方法为：

步骤11、对话务量历史数据进行预处理：按照设定的嵌入维数和延迟时间来对话务量历史数据进行相空间重构，并进行归一化处理，使得所有数据处于[-1，1]之间；

步骤12、按照VRC准则确定归一化处理后的历史重构样本的最佳聚类数C，对步骤11重构后的话务量历史数据进行聚类，确定其所属类，每类中样本数量为n_i，i＝1，2，3…C；

步骤13、在每类中取K个离当前时刻近的样本，并分别进行LS-SVM建模，K＝min(n_i)，获取C个LS-SVM预测模型，LS-SVM预测模型表示为f(x)=Σi=1KαiK(x,xi)+b,]]>

其中，径向基函数K(x，y)＝exp{-||x-y||²/σ²}；αi为拉格朗日乘子α的数组元素，

且α=A-1(y-b1→),]]>

偏移量b=1→TA-1y1→TA-11→,]]>

其中矩阵核函数矩阵Ω＝K(x_i，x_j)。

3.根据权利要求2所述的一种基于聚类LS-SVM的移动通信话务量预测方法，其特征在于，最佳聚类数C采用VRC准则确定，遍历C，使取得最大值的C为最佳聚类数，其中，tr[S_B]为类间散布矩阵的迹，tr[S_w]为类内散布矩阵的迹。