【摘 要】节假日话务预测，存在历史样本量较小和非线性强的特点，从而致使预测精度低.本文用支持向量回归机（SVR）与遗传算法（GA）相结合，对**各个地区2011年圣诞节忙时话务量进行预测，并与传统的SVR和BP神经网络进行比较。仿真结果表明，GA—SVR预测精度高、耗时少，是一种预测忙时话务量的有效方法。
　　【关键词】节假日忙时话务预测；支持向量回归机；遗传算法
　　目前对话务量预测的研究方法有ARIMA法、支持向量机等，实际应用中上述方法对月平均话务量、月忙时话务量等能取得较好的效果，但节日当天及某个时间点往往话务量激增，而且波动大，针对上述问题，传统的预测方法很难实现精确的预测，本文采用支持向量回归机建立预测模型。
　　一、支持向量回归机原理
　　二、GA-SVR话务预测模型
　　（一）遗传算法
　　遗传算法（GA）是基于Darwin的进化论和Mendel的遗传学说发展起来的，因其简单通用，鲁棒性强，适于并行处理，己成为人们用来解决高度复杂问题的一个新思路和新方法。
　　（二）算法的实现
　　影响话务预测精度的主要原因是RBF核函数的参数γ和SVR模型中的惩罚因子C，参数γ主要影响样本数据在高维特征空间中分布的复杂程度，惩罚因子C是在确定的特征空问中调节支持向量机置信范围和经验风险的比例.由于遗传算法具有隐含的并行性和全局搜索能力，可以在很短的时间内搜索到全局最优点。因此，本文利用遗传算法对核函数参数γ和惩罚参数C予以优化寻参.
　　三、实例分析
　　（一）样本选择
　　为了使移动运营商能够根据预测出的节日忙时话务量对话务信道及时做处理，本文随机选取**五个地区，计算出2004年-2011年圣诞节前十五天每天24小时中最忙时的话务量并进行预测分析，以2004年-2010年的忙时话务量做训练样本，以2011年忙时话务量做测试， 同时横向和纵向训练，建立预测模型，最终预测出2011年圣诞节当天最忙时话务量。 （二） 预测结果及分析
　　本文提出的利用实数遗传算法对支持向量机关键参数进行寻优，进而建立模型并预测节日忙时话务量，实现了支持向量回归机参数的自动优化选择，避免了通过实验人工选择的盲目性。该方法通过实证检验，获得了良好的效果，并与BP网络、SVR话务预测模型进行比较分析。结果表明，本文算法在收敛性能、收敛速度、计算时间长短等方面有明显优势，是一种有效的节假日忙时话务预测方法。