话务预测,是指通过分析电信网络话务的历史数据统计规律或相关因素,对未来网络可能出现的话务进行估计和预期.话务预测,是电信网络规划的基础,也是网络维护和优化的重要依据,对话务预测模型进行研究和引入新的预测模型,将具有重大意义.该文以广东移动通信有限责任公司珠海分公司GSM网络作为研究对象,比较系统地开展有关话务预测模型的分析、研究和应用.回顾移动电话网络话务或用户数预测,国内外多家规划院或运营商普遍采用分析法、黑匣子预测法、回归法进行预测和ARIMA时间序列预测等,总体来说,这些预测方法具有一些明显缺点,譬如确定重要参数上困难、需要非常大量数据或准确率较低等.针对这些问题,该文尝试引入卡尔曼滤波器技术,建立移动话务预测模型.从理论的角度看,维纳滤波和卡尔曼滤波都是解决最佳线性过滤和预测的问题,但卡尔曼滤波适用范围更广,也非常适合计算机实现.实际上,卡尔曼滤波在交通流量、GPS、财务预测、电力负荷预测以及其他各种控制方面已经有很广泛应用的;不过,用于移动话务预测,还是全新的一个方法.使用卡尔曼滤波技术对移动电话网络的话务量变化预测时,系统的状态可以分解为话务水平和增长趋势,这就确定了二维的话务预测模型(为了更准确表述出中国移动用户的季节性行为特征,也可以采用更多的状态量,如14个).在预测模型确定后,需要进一步确定模型中涉及的主要参数,包括"阶跃矩阵"和"观察矩阵"等,同时,也需要利用卡尔曼滤波器的自适应理论和特点对引进模型时出现的动态噪声和统计误差进行逼近,这些是文章阐述的重点.当然,重点部分也包括移动话务的卡尔曼滤波预测模型(二维)计算机程序实现.利用珠海移动公司的现网实际数据,对卡尔曼预测模型进一步检验和应用,证明这个新的预测模型具有目前常用的预测方法和模型更好的准确率,同时在预测局部规律性的话务变化方面,也相当成功.当然,卡尔曼预测模型也有不足的地方,如短期强烈的噪声对长期预测造成影响等,因此,需要对数据进行预处理.另外,为了更好的预测话务和业务发展,实际应用中,作者认为可以通过多种预测方法进行综合,使预测模型的预测功能发挥的更好.