灰色神经网络模型在电信业务预测中应用和探究摘要：神经网络由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而，神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果，而基于灰色系统模型神经网络是一种寻优搜索算法，能够有效克服上述缺陷。本文针对影响电信业务量的主要因素，将神经网络与灰色系统模型有机结合起来，建立了相应的灰色系神经网络模型用于电信业务量的预测，并利用实际数据进行效果验证。实验表明，该预测模型具有很强的学习能力和自适应性，其预测结果优于传统的预测方法，而且具有良好的泛化性。关键词：灰色系统模型，神经网络，电信业务预测：TN92文献标识码：B1引言电信业务预测是通信网络分阶段建设规划的前提条件，同时也是规划期内电信业务量和投资预估的必要条件之一。预测方法的选择直接关系到预测结果的精确程度。传统的预测方法很多，如趋势外推法，成长曲线法等，但这些预测方法预测结果均为平滑的曲线，无法直观描述出电信业务随季节及其他外部环境引起的波动。因此，神经网络法便给传统预测方法进行了很好的补充。近年来神经网络算法逐渐得到预测科学工作者的重视，已经在预测领域中得到了广泛的应用，神经网络预测法是一种由多个神经元以某种规则连接而形成的层次网络结构，其基本原理是这些神经元之间“相互协作”，它有许多优点，对环境因素引起的波动性具有良好的适应性；对非线性输入输出关系的学习更具有优越性，其描述问题的能力很强。但是传统的神经网络算法（如BP神经网络）是一种基于误差函数梯度下降的学习方法，学习过程收敛速度较慢；其次，有些神经网络训练开始时初始权值是随机给定的，这对网络的训练效果也会有极大影响，甚至导致网络陷入局部最小点。灰色系统理论是一种研究少数据，贫信息、不确定性问题的新方法，它以部分信息已知、部分信息未知的''小样本”、“贫信息”不确定系统为研究对象，通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。2灰色神经网络模型结构及算法3数据及实证结果对于移动通信运营商来说，VLR用户数（拜访位置寄存器）随节假日的波动很大，尤其是人口输入/输出城市，节假日大量外来人口的返乡/外出，会给当地运营商的核心网及无线载频处理能力带来较大的考验，因此，合理准确的预测出该地市未来VLR用户数可以很大程度上帮助运营商为用户数的变化做好系统的扩容准备工作。对于某个运营商的VLR用户数，影响其变化的因素很多，比如节假日，季节性因素，人均通信消费指数，当地的移动电话普及率，该运营商收费用户数、品牌影响力，终端价格，竞争对手、市场特征等，本人根据各因素对VLR用户数影响程度的大小，从中选取了该运营商收费用户数、节假日、当地移动电话普及率、品牌影响力、竞争对手5个最重要的因素来预测某地市移动运营商的VLR用户数。该论文中，本人选取该地市的过去3年（36个月）的VLR用户数进行验证，首先取前30个月的数据作为训练样本,通过灰色神经网络学习100次后预测最后6个月的数据与实际VLR用户数做比较，如图4所示。从上图可以看出，灰色系统模型预测结果与实际值相比，误差在10%以内，并很好的反应了VLR用户的波动性，因此可以说明灰色系统模型比较适合小样本预测问题，在实际预测中，若与传统预测方法相结合，并合理加权，预测准确度将更高。4结束语本文为其他神经网络模型所存在易于陷入局部最优解等缺陷而提出了基于灰色基础模型的神经网络算法，并利用所设计的灰色系统模型神经网络算法，选择我国某地市的移动公司VLR用户数作为数据样本，对该公司的VLR用户数进行预测，并对比其他神经网络模型，实证结果表明，灰色系统模型神经网络算法，相对其他神经网络而言，其预测效率和准确率大大得到提高，在电信业务预测方面具有较好的应用前景。参考文献：[1]WANGQ,STOCKTONDJ,BAGULEYP.Usingneuralnetworksincostmodeldevelopmentprocess[C]・Procofthe16thNationalConfonManufacturingResearch,UK：ProfessionalEngineering,2000[2]SMITHAE,MASONAK.Costestima...