本发明涉及一种基于周期性依赖的话务量预测方法,通过搜集话务中心的后台数据,进行预处理后得到话务量,对话务量在不同的时间单位的周期性依赖进行特征提取,对提取的特征增加特征维度,将所有特征和对应的目标值输入到算法模型中,经过训练后得到稳定的模型,将话务量预测请求数据输入模型,得到话务量预测。本发明不依赖于标准序列模型,充分考虑了话务量在不同时间单位上周期性依赖关系,能够很好地反映出话务量在不同时间段的变化趋势;本发明基于大数据分析,并采用机器学习算法进行模型训练,能够更加准确的预测未来时间段的话务量,能够预测未来长期每一个时间段的话务量。
📄 2019107400879
📂 G06Q10_04
👤 浙江工业大学
📅 2019-08-12