基于单变量回归计算加权移动平均权重的话务量预测方法技术

本发明专利技术公开了一种基于单变量回归计算加权移动平均权重的话务量预测方法，基于客观的历史话务量数据分别计算出星期一至星期日的呼叫中心话务量的权重，建立话务量预测模型。本发明专利技术采用历史话务量数据中最后七天的话务量数据，即可直接得出历史话务量数据后第一天的话务量预测值，还可继续得出历史话务量数据后第二天的话务量预测值，以此类推，以按日期递进的方式，本发明专利技术的话务量预测方法通过上述话务量预测模型可以逐天计算出历史话务量数据以后的话务量预测值。因此，本发明专利技术所建立的话务量预测模型中的话务量权重并不依赖于专家等人为主观因素，具有预测精度高的优点，对话务量预测具有实用意义。

【技术实现步骤摘要】
基于单变量回归计算加权移动平均权重的话务量预测方法
本专利技术涉及一种基于单变量回归计算加权移动平均权重的话务量预测方法。
技术介绍
呼叫中心的话务量预测方法一般可分为定性预测与定量预测。定性预测是利用经验、直觉做出的猜测，带有较大的主观性。定量预测是指运用统计方法建立统计模型，对历史统计数据进行分析，从而对未来做出预测。过往对话务量的研究主要采取神经网络、时间序列等方法。例如神经网络方法有着运算量大、难以业务语言解释等缺点，一般的加权移动平均方法的权重设定依赖专家等人为主观因素。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于单变量回归计算加权移动平均权重的话务量预测方法。解决上述技术问题，本专利技术所采用的技术方案如下：一种基于单变量回归计算加权移动平均权重的话务量预测方法，包括：步骤一，获取历史话务量数据，并从该历史话务量数据中按日期倒序的方式连续提取出n组预测用话务量数据组，其中，n为正整数，每组预测用话务量数据组均包含连续八天的话务量数据；步骤二，以预测用话务量数据组中最后一天的话务量p为因变量、前七天的话务量xi为自变量，建立单变量回归模型如下：p＝ωi′xi…………………………………………………………………公式(1)其中，i＝1,2,…,7依次表示预测用话务量数据组的前七天中的星期日至星期六，xi表示预测用话务量数据组的前七天中星期i的话务量，ωi′为预测用话务量数据组的前七天中星期i的回归系数；步骤三，依据步骤一的n组预测用话务量数据组，用普通最小二乘估计法对公式(1)进行求解，分别计算得到星期日至星期六的回归系数估计值：…………………………………………………公式(2)其中，为星期i的回归系数估计值，j＝1,2,…,n依次表示n组预测用话务量数据组的编组序号，xi,j为第j组预测用话务量数据组的前七天中星期i的话务量，为n组预测用话务量数据组中所有话务量的平均值，pj为第j组预测用话务量数据组中最后一天的话务量，为n组预测用话务量数据组中所有最后一天话务量的平均值；步骤四，对步骤三计算得到的星期日至星期六的回归系数估计值进行归一化处理，得到星期日至星期六的话务量权重值：………………………………………………………………公式(3)其中，ωi为星期i的话务量权重值；步骤五，建立话务量预测模型如下：………………………………………………公式(4)其中，pweekend为待预测日为星期六或星期日时的话务量预测值，pweekday为待预测日为星期一至星期五任意一天时的话务量预测值，和分别为周末调整因子和工作日调整因子，mweekend为n组预测用话务量数据组中所有星期六和星期日的话务量的中位数，mweekday为n组预测用话务量数据组中所有星期一至星期五的话务量的中位数，mall为n组预测用话务量数据组中所有话务量的中位数，xi′为待预测日的前七天中星期i的话务量。与现有技术相比，本专利技术具有以下有益效果：本专利技术基于客观的历史话务量数据分别计算出星期一至星期日的呼叫中心话务量的权重，从而建立话务量预测模型。通过该话务量预测模型，采用历史话务量数据中最后七天的话务量数据，即可直接得出历史话务量数据后第一天的话务量预测值，然后采用该历史话务量数据后第一天的话务量预测值以及历史话务量数据中最后六天的话务量数据，还可继续得出历史话务量数据后第二天的话务量预测值，以此类推，以按日期递进的方式，本专利技术的话务量预测方法通过上述话务量预测模型可以逐天计算出历史话务量数据以后的话务量预测值。因此，本专利技术所建立的话务量预测模型中的话务量权重并不依赖于专家等人为主观因素，具有预测精度高的优点，对话务量预测具有实用意义。附图说明下面结合附图和具体实施例对本专利技术作进一步的详细说明：图1为本专利技术的话务量预测方法的流程框图；图2为验证实例中11月话务量预测值和11月实际话务量的曲线示意图。具体实施方式如图1所示，本专利技术的基于单变量回归计算加权移动平均权重的话务量预测方法，包括：步骤一，获取历史话务量数据，并从该历史话务量数据中按日期倒序的方式连续提取出n组预测用话务量数据组，其中，n为正整数，每组预测用话务量数据组均包含连续八天的话务量数据，即第1组的预测用话务量数据组包含历史话务量数据中最后八天的话务量，第2组的预测用话务量数据组包含历史话务量数据中倒数第九天至倒数第十六天的话务量，以此类推；步骤二，以预测用话务量数据组中最后一天的话务量p为因变量、前七天的话务量xi为自变量，建立单变量回归模型如下：p＝ωi′xi…………………………………………………………………公式(1)其中，i＝1,2,…,7依次表示预测用话务量数据组的前七天中的星期日至星期六，xi表示预测用话务量数据组的前七天中星期i的话务量，ωi′为预测用话务量数据组的前七天中星期i的回归系数；步骤三，依据步骤一的n组预测用话务量数据组，用普通最小二乘估计法(OrdinaryLeastSquareEstimation,OLSE)对公式(1)进行求解，分别计算得到星期日至星期六的回归系数估计值：…………………………………………………公式(2)其中，为星期i的回归系数估计值，j＝1,2,…,n依次表示n组预测用话务量数据组的编组序号，xi,j为第j组预测用话务量数据组的前七天中星期i的话务量，为n组预测用话务量数据组中所有话务量的平均值，pj为第j组预测用话务量数据组中最后一天的话务量，为n组预测用话务量数据组中所有最后一天话务量的平均值；步骤四，对步骤三计算得到的星期日至星期六的回归系数估计值进行归一化处理，得到星期日至星期六的话务量权重值：………………………………………………………………公式(3)其中，ωi为星期i的话务量权重值；步骤五，对历史话务量数据的研究可知，话务量数据具有工作日话务量大周末话务量小的周期规律，因此，可以建立话务量预测模型如下：………………………………………………公式(4)其中，pweekend为待预测日为星期六或星期日时的待预测日话务量预测值，pweekday为待预测日为星期一至星期五任意一天时的待预测日话务量预测值，和分别为周末调整因子和工作日调整因子，mweekend为n组预测用话务量数据组中所有星期六和星期日的话务量的中位数，该中位数即将所有星期六和星期日的话务量按大小值进行排序后位于正中间的一个话务量或者位于正中间的两个话务量的平均值，mweekday为n组预测用话务量数据组中所有星期一至星期五的话务量的中位数，该中位数即将所有星期六和星期日的话务量按大小值进行排序后位于正中间的一个话务量或者位于正中间的两个话务量的平均值，mall为n组预测用话务量数据组中所有话务量的中位数该中位数即将所有话务量按大小值进行排序后位于正中间的一个话务量或者位于正中间的两个话务量的平均值，xi′为待预测日的前七天中星期i的话务量。通过上述话务量预测模型即公式(4)，采用历史话务量数据中最后七天的话务量数据，即可直接得出历史话务量数据后第一天的话务量预测值，然后采用该历史话务量数据后第一天的话务量预测值以及历史话务量数据中最后六天的话务量数据，还可继续得出历史话务量数据后第二天的话务量预测值，以此类推，以按日期递进的方式，本专利技术的话务量预测方法通过本文档来自技高网...

【技术保护点】
一种基于单变量回归计算加权移动平均权重的话务量预测方法，包括：步骤一，获取历史话务量数据，并从该历史话务量数据中按日期倒序的方式连续提取出n组预测用话务量数据组，其中，n为正整数，每组预测用话务量数据组均包含连续八天的话务量数据；步骤二，以预测用话务量数据组中最后一天的话务量p为因变量、前七天的话务量xi为自变量，建立单变量回归模型如下：p＝ωi′xi…………………………………………………………………公式(1)其中，i＝1,2,…,7依次表示预测用话务量数据组的前七天中的星期日至星期六，xi表示预测用话务量数据组的前七天中星期i的话务量，ωi′为预测用话务量数据组的前七天中星期i的回归系数；步骤三，依据步骤一的n组预测用话务量数据组，用普通最小二乘估计法对公式(1)进行求解，分别计算得到星期日至星期六的回归系数估计值：ω^i′=Σj=1j=n[(xi,j-x‾)(pj-p‾)]Σj=1j=n(xi,j-x‾)2]]>…………………………………………………公式(2)其中，为星期i的回归系数估计值，j＝1,2,…,n依次表示n组预测用话务量数据组的编组序号，xi,j为第j组预测用话务量数据组的前七天中星期i的话务量，为n组预测用话务量数据组中所有话务量的平均值，pj为第j组预测用话务量数据组中最后一天的话务量，为n组预测用话务量数据组中所有最后一天话务量的平均值；步骤四，对步骤三计算得到的星期日至星期六的回归系数估计值进行归一化处理，得到星期日至星期六的话务量权重值：ωi=ω^i′Σi=17ω^i′]]>………………………………………………………………公式(3)其中，ωi为星期i的话务量权重值；步骤五，建立话务量预测模型如下：pweekend=mweekendmall×Σi=17ωixi′pweekday=mweekdaymall×Σi=17ωixi′]]>其中，pweekend为待预测日为星期六或星期日时的话务量预测值，pweekday为待预测日为星期一至星期五任意一天时的话务量预测值，和分别为周末调整因子和工作日调整因子，mweekend为n组预测用话务量数据组中所有星期六和星期日的话务量的中位数，mweekday为n组预测用话务量数据组中所有星期一至星期五的话务量的中位数，mall为n组预测用话务量数据组中所有话务量的中位数，xi′为待预测日的前七天中星期i的话务量。...

【技术特征摘要】
1.一种基于单变量回归计算加权移动平均权重的话务量预测方法，包括：步骤一，获取历史话务量数据，并从该历史话务量数据中按日期倒序的方式连续提取出n组预测用话务量数据组，其中，n为正整数，每组预测用话务量数据组均包含连续八天的话务量数据；步骤二，以预测用话务量数据组中最后一天的话务量p为因变量、前七天的话务量xi为自变量，建立单变量回归模型如下：p＝ωi′xi…………………………………………………………………公式(1)其中，i＝1,2,…,7依次表示预测用话务量数据组的前七天中的星期日至星期六，xi表示预测用话务量数据组的前七天中星期i的话务量，ωi′为预测用话务量数据组的前七天中星期i的回归系数；步骤三，依据步骤一的n组预测用话务量数据组，用普通最小二乘估计法对公式(1)进行求解，分别计算得到星期日至星期六的回归系数估计值：…………………………………………………公式(2)其中，为星期i的回归系数估计值，j＝1,2,…,n依次表示n组预测用话务量数据组的编组序号，xi,j为第j组预测用话务量数据组的前七天中星期i的话务量，为n组预测用话务...

【专利技术属性】
技术研发人员：严宇平，苏凯，莫玉纯，吴广财，蔡嘉荣，马旭，
申请(专利权)人：广东电网有限责任公司信息中心，
类型：发明
国别省市：广东;44