大型呼叫中心人工呼入量的最小二乘支持向量机模型  

Large call-centers'arrival-rates prediction models based on the least squares support vector machine

作　　者：李大川[1,2] 忻展红[1] 

机构地区：[1]北京邮电大学经济管理学院,北京100876 [2]中国移动通信集团,北京100032

出　　处：《控制理论与应用》2009年第7期815-818,共4页Control Theory & Applications

基　　金：国家自然科学基金资助项目(70473006)

摘　　要：通过分析大型呼叫中心人工呼入量的数据特点,文中将呼入量分解为日呼入量与相应时间段呼入量,利用最小二乘支持向量机(LS-SVM)的原理,建立日呼入量与时间段呼入量两个时间序列预测模型.实验仿真证明,采用该方法建立的日呼入量与时间段呼入量预测模型,在回归和预测方面都可以得到满意的结果.通过与神经网络预测模型的对比分析,LS-SVM总体上优于人工神经网络的预测效果.In analyzing the data from a large call center, we find that arrival rates can be split into the dally-arrival-rate and the time-period-amval-rate. Based on the least squares support vector machine theory（LS-SVM）, predicting models of the daily-arrival-rate and the time-period-arrival-rate are established. Simulation experiments show that these models are good at regression and forecasting. Compared with Back-Propagation（BP） neural network prediction models, these models give better prediction results.

关 键 词：呼叫中心 预测 最小二乘支持向量机 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]