GPRS网络优化中小区流量的预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 插表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·引言 | 第13-14页 |
| ·GPRS网络优化 | 第14-18页 |
| ·GPRS网络概述 | 第14-16页 |
| ·GPRS网络优化方法及其局限性 | 第16-18页 |
| ·预测方法在网络优化中的研究现状 | 第18页 |
| ·本文所做的主要工作 | 第18-20页 |
| 第2章 数据挖掘及时间序列预测 | 第20-27页 |
| ·数据挖掘概述 | 第20-22页 |
| ·数据挖掘的概念 | 第20页 |
| ·数据挖掘的特点 | 第20-21页 |
| ·数据挖掘的应用 | 第21-22页 |
| ·时间序列及其预测 | 第22-24页 |
| ·时间序列概述 | 第22页 |
| ·时间序列的分析方法 | 第22-23页 |
| ·时间序列的研究现状 | 第23-24页 |
| ·基于预测的GPRS无线网络优化与小区流量预测 | 第24-25页 |
| ·基于预测的GPRS网络优化 | 第24-25页 |
| ·小区流量预测在GPRS网络优化中的应用 | 第25页 |
| ·小结 | 第25-27页 |
| 第3章 基于时间序列模型的小区流量预测 | 第27-42页 |
| ·引言 | 第27页 |
| ·乘积季节ARIMA模型预测 | 第27-32页 |
| ·乘积季节ARIMA模型 | 第27-28页 |
| ·面向GPRS小区流量的乘积季节ARIMA模型 | 第28-31页 |
| ·性能分析与比较 | 第31-32页 |
| ·不同时序模型预测的比较研究 | 第32-36页 |
| ·时间序列模型 | 第32页 |
| ·应用各模型为GPRS小区流量建模 | 第32-36页 |
| ·实验结果分析 | 第36页 |
| ·不同类型小区的时序模型预测 | 第36-41页 |
| ·其他类型小区 | 第37-38页 |
| ·两类小区的建模 | 第38-40页 |
| ·不同类型小区流量模型的比较 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第4章 基于神经网络的小区流量预测 | 第42-51页 |
| ·引言 | 第42页 |
| ·BP神经网络预测 | 第42-44页 |
| ·基于BP神经网络的小区流量预测及参数的比较研究 | 第44-50页 |
| ·原始数据预处理 | 第44-46页 |
| ·训练数据集大小 | 第46-48页 |
| ·输入向量的大小 | 第48-49页 |
| ·对比分析小结 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第5章 基于嗅觉模型的小区流量预测 | 第51-63页 |
| ·引言 | 第51页 |
| ·KⅢ模型概述 | 第51-54页 |
| ·嗅觉系统及其研究现状 | 第51-52页 |
| ·KⅢ模型概述 | 第52-54页 |
| ·KⅢ模型时间序列预测 | 第54-55页 |
| ·KⅢ模型时序预测的两个阶段 | 第54-55页 |
| ·KⅢ模型时序预测的三个过程 | 第55页 |
| ·基于KⅢ模型的小区流量预测 | 第55-57页 |
| ·实验方法 | 第55-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·小区流量预测中KⅢ模型参数的比较研究 | 第57-62页 |
| ·学习次数的比较研究 | 第57-59页 |
| ·KNN算法K值的比较研究 | 第59-60页 |
| ·输入向量的比较研究 | 第60-62页 |
| ·小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
