BP神经网络在电信计划预测的应用研究

doi:10.3778/j.issn.1002-8331.2008.20.074

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 245-248.DOI: 10.3778/j.issn.1002-8331.2008.20.074

• 工程与应用 • 上一篇

BP神经网络在电信计划预测的应用研究

张振宇¹,谢晓尧²

1.贵州大学计算机科学与工程学院，贵阳 550001
2.贵州师范大学贵州省信息与计算科学重点实验室，贵阳 550002

收稿日期:2007-09-28 修回日期:2007-12-03 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 张振宇

Application research of BP neural network in telecom planning prediction

ZHANG Zhen-yu¹,XIE Xiao-yao²

1.College of Computer Science and Engineering，Guizhou University，Guiyang 550001，China
2.Key Laboratory of Information and Computing Science of Guizhou Province，Guizhou Normal University，Guiyang 550002，China

Received:2007-09-28 Revised:2007-12-03 Online:2008-07-11 Published:2008-07-11
Contact: ZHANG Zhen-yu

摘要/Abstract

摘要： 如何在满足服务需求与市场需求的同时降低企业的投资，变成了一个电信企业必须面对的问题。基于神经网络的电信计划分析预测，可以综合考虑许多对电信计划有影响的因素，比如：产品消费量，服务质量，用户数量，设备性能，收入，投资等等。结合真实的电信计划预测情况，给出了计划预测神经网络模型，并以一个城市的电信计划预测的真实情况为例，验证和分析了预测模型较高的精确性与有效性。

关键词: BP神经网络, 电信计划, 预测

Abstract: How to meet the services and markets demands，while reduce the investments? It is an important question that every telecom company must be faced.Based on neural network，the telecom planning prediction can consider many influential factors，such as the consumption of products，the quality of services，the quantity of customers，the performance of equipment，incomes，investments and so on.Combined with the practical telecom planning prediction，the model of planning prediction neural network design is constructed in the paper.For the verification and analysis of the prediction model’s effectiveness and feasibilities，a case study is implemented in the paper.

Key words: BP network, telecom planning, prediction

张振宇¹,谢晓尧². BP神经网络在电信计划预测的应用研究[J]. 计算机工程与应用, 2008, 44(20): 245-248.

ZHANG Zhen-yu¹,XIE Xiao-yao². Application research of BP neural network in telecom planning prediction[J]. Computer Engineering and Applications, 2008, 44(20): 245-248.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[7]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[8]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	赵红蕊，薛雷. 基于LSTM-CNN-CBAM模型的股票预测研究[J]. 计算机工程与应用, 2021, 57(3): 203-207.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[13]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[14]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[15]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.

BP神经网络在电信计划预测的应用研究

Application research of BP neural network in telecom planning prediction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics