论文部分内容阅读
为得到准确的前瞻性话务量数据,有效解决呼叫中心资源合理分配和针对商旅类呼叫中心话务量的预测问题,建立了卡尔曼滤波器预测模型。依据卡尔曼滤波器算法特点,以及话务量数据序列周期性和季节性特性的分析结论,确定了卡尔曼滤波器日话务量预测模型的状态转移矩阵和观测矩阵。提出了以周为基本时间周期提取训练数据和预测话务量,根据历史话务量,通过预定义的高峰期话务量差异数据库修正预测结果的算法思想。MATLAB预测试验结果显示日话务量预测结果比较好的逼近实际日话务量。