论文部分内容阅读
众所周知,电信规模庞大、纷繁杂乱的历史数据的背后隐藏着很多具有决策意义的有价值的信息,随着国内电信市场竞争的日趋激烈,如何发现这些对电信经营决策有用的信息,越来越成为电信行业的当务之急。本文是以昆明电信经营分析支撑系统的项目的基础上来展开的。通过数据仓库、数据挖掘的时间序列分析技术,对昆明电信的业务收入的数据资料进行分析和预测。针对业务收入预测分析的主题,从昆明电信提取与各业务收入有关的数据建立数据仓库,然后从数据仓库中得到收入预测所需的聚合数据,应用目前两种使用广泛的非平稳时间序列高效预测模型ARIMA模型和Auto-Regressive模型预测昆明电信的业务收入,并利用AIC、SBC准则、残差白噪声检验、模型参数检验和实验结果对各模型进行了评估和比较。ARIMA模型的提出使得人们对非平稳时间序列的拟合精度大大提高,它已经成为最经典的时间序列拟合模型。ARIMA模型使用差分方法提取确定信息,故对模型直观解释不是很理想。Auto-Regressive模型使用确定因素分解方法提取序列确定信息,保证了直观性,又利用了残差信息,两者拟合精度相当,本文重点介绍ARIMA模型。本文论述了收入预测的整个过程,并使用了相应的算法和SAS工具加以实现,对经营分析人员进行相关分析具有一定参考价值。