论文部分内容阅读
为了提高联络中心任务量预测的精度，提出两阶段神经网络预测模型。在第一阶段，通过平均影响值（MIV）算法筛选出对任务量影响最重要的因素，从而确定BP神经网络的输入数据，并通过动态惯性权重调整方式与局部极值调整策略相结合的改进粒子群优化算法为BP神经网络赋初始权值和阈值；在第二阶段，利用BP神经网络对联络中心任务量进行预测。最后通过数值实验与单阶段BP神经网络预测模型的结果进行了对比，表明了提出的两阶段神经网络的预测模型具有更高的预测精度。