基于先验簇复杂回声状态网络的话务量预测

提出一种基于先验簇复杂回声状态网络的移动通信话务量预测模型.目前,具有小世界、无尺度等特性的复杂网络已被应用于回声状态网络储备池的构建,并获得了较标准回声状态网络储备池更优的回声状态特性和非线性表达能力.在此基础上,针对具有多周期特性的话务量序列预测问题,以功率谱分析的结果作为先验知识,在复杂回声状态网络储备池中构建具有差异性的多个子簇,以期形成对不同频率成分具有表达能力的功能簇.采用中国移动真实数据测试表明,该方法由于考虑了不同周期因素对预测建模的影响,获得了较标准回声状态网络、均匀簇复杂回声状态网络等方法更高的预测精度；以对比方法中实际效果较好的复杂回声状态网络为参照,该方法在齐齐哈尔、大庆、双鸭山市某小区上预测误差分别下降25％、21％和11％；能够为移动通信网络拥塞、覆盖和干扰等问题提供决策支持.

Traffic forecasting for prior knowledge based clustered complex echo state networks

This paper proposes a prior knowledge based clustered complex echo state network(PCCESN) for mobile communication traffic forecasting.In order to reflect some learning mechanisms of real world organization,various complexities such as small-world features and scale-free node degree distribution are introduced to the dynamic reservoir of echo state networks(ESNs),and superior approximation capabilities over the ESNs is achieved.Our further observation on the real traffic collected by Heilongjiang Co.Ltd.,chi...