随着移动通信技术的不断创新与发展,移动业务量也随之迅猛增长,然而移动通信系统的无线资源是有限的。在大量的移动业务量下,对移动业务量进行准确的预测,可以为无线资源的合理分配提供依据,确保用户获得良好的服务质量,因此对于移动业务量的预测是具有重大意义的。训练和预测数值序列的较为流行的方法是时间序列分析法。然而传统的时间序列模型对于噪声分布不均匀或者数据不平稳的时间序列的预测并不能达到较好的预测性能,而模糊时间序列预测模型对于噪声较大且相邻数据间关系并不恒定的时间序列仍有较好的预测性能,且模糊时间序列模型实现简便并不需要复杂的证明,因而适于信号波动较大的移动网络业务量的预测。本文首先对模糊时间序列模型进行了研究。提出了基于模糊逻辑关系树的单元模糊时间序列模型。其中所构建的模糊逻辑关系树将一阶、二阶、三阶模糊逻辑关系同时应用于预测中,既利用了低阶逻辑关系的鲁棒性,又利用了高阶逻辑关系的精确性,从而提高了预测性能。考虑到多元模糊时间序列模型具有利用多个序列间相关信息辅助预测的优点,本文将提出的模糊逻辑关系树扩展到多元模糊时间序列模型,并提出适于数据分布特点的论域划分算法以及相应的启发式规则,获得了比单元模糊时间序列模型更高的预测精度。此外,本文利用所提模糊时间序列模型进行了移动业务量预测。选取现网热点地区的10个小区用户上报的测量报告(MR),分别以某一时间粒度为单位构建时间序列。实验结果表明,所提模型在移动业务量预测中具有较好的预测性能。