| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·移动通信话务量预测建模的背景及意义 | 第7-8页 |
| ·课题研究现状 | 第8-11页 |
| ·ARMA 模型 | 第8页 |
| ·神经网络 | 第8-9页 |
| ·支持向量机 | 第9-10页 |
| ·混合模型及其他方法 | 第10-11页 |
| ·论文的主要研究内容和贡献 | 第11页 |
| ·论文的组织结构和内容安排 | 第11-13页 |
| 第二章 话务量及预测算法基本概述 | 第13-24页 |
| ·新疆话务量的基本情况 | 第13-15页 |
| ·总体话务量发展情况 | 第13页 |
| ·移动用户总体行为 | 第13-14页 |
| ·单机话务量分析 | 第14页 |
| ·话务量与资费水平之间的关系 | 第14-15页 |
| ·当前的预测算法简述 | 第15-20页 |
| ·非平稳时间序列的确定性分析方法 | 第15-16页 |
| ·非平稳时间序列的随机分析方法 | 第16-19页 |
| ·BP 神经网络 | 第19-20页 |
| ·各种支持向量的参数选择方法简述 | 第20-24页 |
| ·重采样技术 | 第20-22页 |
| ·贝叶斯证据框架 | 第22页 |
| ·理论界 | 第22-24页 |
| 第三章 基于SA-SVR 的话务量预测 | 第24-42页 |
| ·SVR 基本理论 | 第24-32页 |
| ·机器学习理论 | 第24-25页 |
| ·经验风险和结构风险 | 第25-27页 |
| ·支持向量机的核心内容 | 第27-29页 |
| ·支持向量回归机 | 第29-31页 |
| ·支持向量回归机的超参数 | 第31-32页 |
| ·模拟退火算法的基本理论 | 第32-33页 |
| ·SA 用于SVR 超参数选择基本步骤 | 第33-34页 |
| ·实验结果及比较 | 第34-42页 |
| ·实验数据的一些处理工作及嵌入维数选择分析 | 第34-36页 |
| ·ARMA、神经网络与SVR 模型预测结果比较 | 第36-38页 |
| ·Grid-SVR，GA-SVR，SA-SVR 方法分别建模预测的结果比较 | 第38-42页 |
| 第四章 基于资费-SASVR 的话务量预测 | 第42-48页 |
| ·资费水平在话务量分析中的意义 | 第42-43页 |
| ·资费-SASVR 模型的具体实现步骤 | 第43页 |
| ·自动提取资费的话务量预测模型的实现步骤 | 第43页 |
| ·指定资费的话务量预测模型的实现步骤 | 第43页 |
| ·实验结果 | 第43-48页 |
| ·实验数据准备 | 第43-44页 |
| ·自动提取资费模型的预测结果 | 第44-45页 |
| ·指定资费模型的预测结果 | 第45-48页 |
| 第五章 全文总结与研究展望 | 第48-51页 |
| ·全文总结 | 第48-49页 |
| ·存在的问题和研究前景展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 在校期间发表论文情况 | 第56-57页 |
| 致谢 | 第57页 |