| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题的研究背景与意义 | 第7-8页 |
| ·话务量预测的研究现状 | 第8-9页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·论文结构安排 | 第10-11页 |
| 第二章 话务量的理论基础 | 第11-17页 |
| ·话务量概述 | 第11-13页 |
| ·话务量的概念 | 第11页 |
| ·话务量的特点 | 第11-12页 |
| ·忙时话务量的定义 | 第12-13页 |
| ·话务量预测的步骤 | 第13页 |
| ·预测的误差分析 | 第13-14页 |
| ·话务量的总体趋势分析 | 第14-17页 |
| 第三章 常见预测模型的理论分析 | 第17-21页 |
| ·时间序列的相关理论 | 第17-18页 |
| ·时间序列的概念 | 第17页 |
| ·时间序列的构成要素 | 第17-18页 |
| ·常见预测模型的研究 | 第18-21页 |
| ·ARMA 预测模型 | 第18-19页 |
| ·人工神经网络预测模型 | 第19页 |
| ·支持向量机模型 | 第19-21页 |
| 第四章 基于 PSO 算法优化 ELMAN 神经网络的话务量预测 | 第21-33页 |
| ·ELMAN 神经网络理论概述 | 第21-24页 |
| ·Elman 网络结构 | 第21-22页 |
| ·Elman 神经网络学习算法 | 第22-24页 |
| ·粒子群优化算法原理 | 第24-27页 |
| ·粒子群算法介绍 | 第24页 |
| ·粒子群优化算法原理 | 第24-26页 |
| ·粒子群算法参数设置 | 第26-27页 |
| ·粒子群优化算法步骤 | 第27页 |
| ·基于 PSO 算法的 ELMAN 神经网络预测模型 | 第27-30页 |
| ·PSO-Elman 网络算法实现 | 第27-28页 |
| ·预测模型的网络结构 | 第28页 |
| ·PSO-Elman 网络算法流程 | 第28-29页 |
| ·数据的选择与预处理 | 第29-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 改进 PSO 算法优化 LS-SVR 的话务量预测模型 | 第33-44页 |
| ·统计学习的基本理论 | 第33-35页 |
| ·VC 维 | 第33页 |
| ·结构风险最小化原则 | 第33-35页 |
| ·SVM 的基本原理 | 第35-38页 |
| ·线性回归 | 第35-37页 |
| ·非线性回归 | 第37-38页 |
| ·LS-SVM 的基本原理 | 第38-39页 |
| ·改进粒子群优化理论 | 第39-40页 |
| ·改进 PSO 算法优化 LS-SVR 的预测模型 | 第40-41页 |
| ·MPSO-LSSVR 算法介绍 | 第40页 |
| ·MPSO-LSSVR 算法流程 | 第40-41页 |
| ·数据的选择与预处理 | 第41页 |
| ·仿真结果分析研究 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·全文总结 | 第44-45页 |
| ·研究前景展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 硕士研究生期间发表论文情况 | 第50-51页 |
| 致谢 | 第51页 |
