原创《时间序列预测在漫游业务的应用》
该文是关于时间序列论文范文数据库与时间序列和漫游和预测类硕士论文范文。
【摘 要】 时间序列预测法是以时间数列所能反映的社会经济现象的发展过程和规律性,进行引伸外推,预测其发展趋势的方法.本论文结合漫游业务的实际特点和预测实践,对时间序列的几种预测方法的适用条件和效果加以比较和总结,旨在为业务的精准预测提供建议和参考.
【关键词】 时间序列 预测 漫游
一、前言
随着运营商内部运营和管理精细化程度越来越高,对预算和运维规划管理工作要求也随着逐步提高,这就要求对未来一段时间内的业务量有比较精准的预测,以便作为管理决策依据.然而,随着近年来电信业政策、市场变化加快以及不同业务之间发生替代效应,行业形势越趋复杂,预测难度逐渐增加,如何选择预测方法能行之有效则显得异常重要.笔者结合在漫游业务量预测方面的实践经验,对时间序列几种预测方法的适用条件和效果进行比较和总结,以供参考和作为模型优化的基础.
二、指数平滑法
指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法.移动平均法使用时间序列中最近几期时期数据的平均数作为下一个时期的预测值.简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用,移动平均法则不考虑较远期的数据,而指数平滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐渐减弱的影响程度,给近期观察值以较大权重,远期观察值以递减权重,克服了简单移动平均法对远期数据处理上的缺陷.由于漫游业务变化具有很明显的季节特征,且具有完整的时间序列变动因子,变化呈现季节循环性和较为平稳,因此很适合采用带季节因子的指数平滑法进行预测.
这里选择业务平稳期进行预测回溯,以三年历史数据预测第四年的业务量情况,从R 方值和显著性水平来看,R 方接近1,显著性水平<0.05,拟合效果很好.与实际业务量进行比较,预测准确率达到99.17%（公式：预测准确率等于1-（误差绝对值/ 预测值*100%））.可见,对于业务平稳期来讲,指数平滑法对于业务量的预测准确率是比较高的.
三、差分自回归移动平均法（ARIMA）
所谓ARIMA 模型,是指将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型.ARIMA 模型根据原序列是否平稳以及回归中所含部分的不同,包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA 过程.
漫游业务量变化呈逐年上升趋势,属非平稳时间序列,因此也满足ARIMA 的适用条件.使用ARIMA 法的关键是找到ARIMA(p,d,q) 中合适的三个值.这里季节性差分阶数选择为1 时,得到平稳序列,从自相关ACF 图和偏自相关PACF图进行分析,确定p 为0,q 为1.从而确定ARIMA 模型ARIMA (0,1,1).使用上述同样的历史业务量进行回溯预测,从R 方值和显著性水平来看,拟合效果比不上指数平滑法.与实际业务量进行比较,预测准确率为96.78%.
当选择季节性差分阶数为2,同样得到平稳序列,从自相关ACF 图和偏自相关PACF 图进行分析,确定p 为0,q为0.从而确定ARIMA 模型ARIMA (0,2,0).使用上述同样的历史业务量进行回溯预测,从R 方值和显著性水平来看,拟合效果有所改善.与实际业务量进行比较,预测准确率为97.71%.可见,ARIMA 的预测效果很大程度取决于参数的选择以及历史数据变化的平稳性,对于历史数据整体波动变化较大的,可能造成预测偏差较大.
四、特定情况下的方法选择
上述效果是选择在业务平稳期前提下进行的业务量预测,然而,随着业务环境产生变化,业务趋势有可能产生变化,比如出现拐点,这时单纯使用上述两种方法进行预测则会出现预测偏差较大的情况,这种情况下则需要结合如下方法进行预测.
1、趋势分解法.时间序列分解的方法有很多,较常用的模型有加法模型和乘法模型.这里适用于漫游业务量是加法型,因此仅对加法型进行阐述,即Yt等于T+S+C+I,其中,T、S、C、I 分别表示长期趋势、季节变动、循环变动和随机变动的数值.使用趋势分解法可以将原始时间序列分解为上述几种变动因子的叠加,其中,如果业务趋势出现拐点,则会在长期趋势变动上有所呈现,体现为直线的斜率发生变化,这时可以用一元线性回归法拟合新斜率情况下的回归方程,该斜率下直线的延伸即为长期趋势未来的预测值,再叠加其他变动因子,得到时间序列总体的预测值.这种方法适用于业务趋势发生变化的情况,用来拟合变化后的业务趋势,比单纯使用指数平滑法或者ARIMA法拟合更接近业务实际发生值.2、趋势线拟合.有些业务处于起步期,没有季节性特征,业务量有明显增长趋势,此时,季节性时间序列方法则不适用.可以考虑采用非季节性指数平滑法进行拟合,比如Holt线性趋势、Brown 线性趋势、阻尼趋势等,需要根据具体业务结合预测效果对方法进行灵活选取.
五、结束语
漫游业务量预测要求具有前瞻性,因此除了需要在上述预测方法上加以选择和优化以外,还需要密切关注影响业务量的各种政策、市场策略、业务逻辑等变化、并提前对其可能对业务造成的影响进行定量评估.与此同时,动态跟踪业务量趋势的变化并定期滚动更新预测结果.综合考虑上述因素,方能使预测对管理真正起到强有力的决策支撑作用.
参 考 文 献
[1]“时间序列预测”教学探讨[J]. 朱丹. 中山大学学报论丛. 2005(06)
[2] 时间序列预测法的实际应用分析[J]. 温品人. 江苏广播电视大学学报. 2001(06)
[3] 模型基预测方法研究[J]. 杨红雨, 张建伟, 游志胜, 余波. 四川大学学报( 自然科学版). 2000(04)
时间序列论文参考资料：
本文结论：本文是一篇关于对写作时间序列和漫游和预测论文范文与课题研究的大学硕士、时间序列本科毕业论文时间序列论文开题报告范文和相关文献综述及职称论文参考文献资料有帮助。
