| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·话务量预测研究的背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·论文的结构安排 | 第10-12页 |
| 第二章 话务量预测综述 | 第12-20页 |
| ·话务量的基本理论 | 第12-13页 |
| ·话务量的概念 | 第12页 |
| ·忙时话务量的定义 | 第12-13页 |
| ·话务量的特点 | 第13页 |
| ·话务量数据分析 | 第13-17页 |
| ·话务量数据的预处理 | 第13-14页 |
| ·话务量数据的相关性分析 | 第14-17页 |
| ·话务量预测的流程 | 第17页 |
| ·预测结果的误差分析 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 常见预测模型 | 第20-27页 |
| ·时间序列预测简介 | 第20-21页 |
| ·时间序列预测概念 | 第20页 |
| ·时间序列预测步骤 | 第20-21页 |
| ·常见预测模型研究 | 第21-26页 |
| ·ARMA预测模型 | 第21-22页 |
| ·神经网络预测模型 | 第22-24页 |
| ·支持向量机预测模型 | 第24-25页 |
| ·马尔科夫预测模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于小波变换和ARMA-LSSVM的忙时话务量预测 | 第27-36页 |
| ·引言 | 第27页 |
| ·基于小波变换和ARMA-LSSVM的组合模型原理 | 第27-31页 |
| ·小波变换 | 第27-28页 |
| ·ARMA模型 | 第28-29页 |
| ·最小二乘支持向量机 | 第29-30页 |
| ·粒子群优化算法 | 第30-31页 |
| ·粒子群算法优化支持向量机参数 | 第31页 |
| ·预测过程 | 第31-32页 |
| ·实验分析 | 第32-34页 |
| ·仿真实验 | 第32-33页 |
| ·实验结果分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第五章 基于PSO算法优化组合模型的忙时话务量预测 | 第36-43页 |
| ·引言 | 第36页 |
| ·组合预测模型的相关原理 | 第36-39页 |
| ·小波变换 | 第36-37页 |
| ·ARIMA预测模型 | 第37-38页 |
| ·粒子群优化最小二乘支持向量机 | 第38-39页 |
| ·预测过程 | 第39页 |
| ·实验分析 | 第39-42页 |
| ·仿真实验 | 第39-40页 |
| ·实验结果分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 硕士期间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |
