[TiMing]：ShuJuWaJueSuanFaYanJiuJiQiZaiDianXinXingYeJueCeZhiChiXiTongZhongDeYingYong
[作者]：黄玲[ZuoZhe]：HuangLing[专业]：控制理论与控制工程[ZhuanYe]：KongZhiLiLunYuKongZhiGongCheng
[导师]：穆志纯[DaoShi]：MuZhiChun[学位]：硕士[XueWei]：ShuoShi
[单位]：北京科技大学[DanWei]：BeiJingKeJiDaXue
[关键词]：电信;决策支持系统;数据挖掘;GMDH方法;预测
[时间]：20040215[页数]：81页[点击]：20042[分类号]：TP311.13;F626[语种]：中文文摘[来源]： 毕业论文
[文摘]：电信市场近几年竞争激烈,随着政府对电信行业内部机构、政策约束的调整、客户对通信服务质量要求的提高、加入WTO后国外电信公司的进入、盗打/欺打因素的增加等等,所有这些因素使得电信经营面临更加复杂的局面.要在激烈的竞争中立于不败之地,正确及时的决策将是其中最重要的环节.因而,各省市电信、移动公司都在积极构建各自的经营分析决策支持系统.基于数据仓库技术的电信决策支持系统,通过对业务运营系统日常积累的大量历史数据进行智能化分析,揭示企业运作和市场情况,从而帮助管理层做出正确明智的经营决定.其涉及的主要技术包括:数据仓库技术、联机分析处理OLAP技术以及数据挖掘技术,它们的结合本身就是一种基于数据库技术的决策支持系统解决方案.其中,数据仓库用于数据的存储和组织;OLAP集中于数据的分析:数据挖掘则致力于知识的自动发现.该课题基于某省移动通信的部分数据,设计构建了一个用于收益主题分析的电信决策支持系统.决策支持系统的实施中,数据挖掘的实现是一个重要环节.该文针对数据挖掘中时间序列的预测问题,进行了深入学习,并提出将数据处理组合(GMDH)方法用于电信行业时间序列数据的预测.GMDH方法是通过变量自组织和优选法原理,自动、客观地建立模型,从而得到比较满意的结果.通过将GMDH算法的结果与优秀挖掘工具IM和SAS中使用的时间序列预测算法的结果相比较,说明GMDH用于电信领域时间序列数据的预测分析,是完全可行且有效的.最后,针对算法本身的不足,对其进行了改进——将遗传算法与GMDH算法相结合.计算表明,改进后的算法能达到较高的预测精度.
[上一条]：热连轧精轧系统半自动设定模型的探讨
[下一条]：人脸检测与基于Web的面部特征信息处理相关技术研究