基于數(shù)據(jù)挖掘的電信經(jīng)營(yíng)收入分析與預(yù)測(cè).pdf

1、近幾年來(lái),通信行業(yè)的改革風(fēng)云變幻,各運(yùn)營(yíng)商之間、包括運(yùn)營(yíng)商和ISP之間的競(jìng)爭(zhēng)也越來(lái)越激烈。面對(duì)客戶(hù),怎樣提供更好的優(yōu)質(zhì)服務(wù),提高用戶(hù)數(shù),實(shí)現(xiàn)營(yíng)業(yè)收入增長(zhǎng),是擺在在運(yùn)營(yíng)商眼前有待深入的課題。
　　對(duì)營(yíng)業(yè)收入的預(yù)測(cè)可以幫助運(yùn)營(yíng)商預(yù)知未來(lái)面臨的收入狀況。電信企業(yè)計(jì)算企業(yè)利潤(rùn)和企業(yè)投資效益時(shí)必須以企業(yè)運(yùn)營(yíng)收入的預(yù)測(cè)結(jié)果為前提,同時(shí)企業(yè)的運(yùn)營(yíng)收入也會(huì)對(duì)企業(yè)的投資決策和網(wǎng)絡(luò)建設(shè)有重要的參考價(jià)值。預(yù)測(cè)結(jié)果的精確度及預(yù)測(cè)目標(biāo)是否能實(shí)現(xiàn)與預(yù)測(cè)方法的

2、選擇有很大關(guān)系。運(yùn)營(yíng)商通過(guò)預(yù)測(cè)結(jié)果可以提前制定未來(lái)一段時(shí)間的營(yíng)銷(xiāo)戰(zhàn)略,因此,對(duì)電信經(jīng)營(yíng)收入的預(yù)測(cè)具有極大的應(yīng)用價(jià)值。
　　本文采用數(shù)據(jù)挖掘的技術(shù),挖掘電信經(jīng)營(yíng)收入數(shù)據(jù)的內(nèi)在發(fā)展規(guī)律及其主要相關(guān)因素,建立了三種預(yù)測(cè)模型,分別是BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)以及遺傳神經(jīng)網(wǎng)絡(luò)模型,使用歷史數(shù)據(jù)對(duì)于網(wǎng)絡(luò)進(jìn)行訓(xùn)練,針對(duì)訓(xùn)練好的權(quán)值和閾值的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)數(shù)據(jù),最后通過(guò)預(yù)測(cè)的結(jié)果和實(shí)際數(shù)據(jù)進(jìn)行對(duì)比,權(quán)衡出哪種模型具有更高的精確度,哪種模型是最適合這

3、種預(yù)測(cè)。通過(guò)實(shí)驗(yàn)結(jié)果表明,遺傳算法可以從概率的意義上以隨機(jī)的方式尋求問(wèn)題的最優(yōu)解,具有很好的全局搜索能力,但是很多遺傳算法的應(yīng)用也暴露了其弱點(diǎn),即局部尋優(yōu)能力較差,容易出現(xiàn)早產(chǎn)現(xiàn)象,遺傳算法和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合可以發(fā)揮各自的優(yōu)勢(shì),解決了神經(jīng)網(wǎng)絡(luò)初始權(quán)值的隨機(jī)性帶來(lái)的網(wǎng)絡(luò)振蕩,以及傳統(tǒng)神經(jīng)網(wǎng)絡(luò)容易陷入局部解的問(wèn)題,能夠做出較準(zhǔn)確的預(yù)測(cè)。運(yùn)營(yíng)商通過(guò)預(yù)測(cè)結(jié)果可以提前制定未來(lái)一段時(shí)間的營(yíng)銷(xiāo)戰(zhàn)略。本文采用數(shù)據(jù)挖掘的方法,結(jié)合人工神經(jīng)網(wǎng)絡(luò)和遺傳算法