基于小波神经网络的我国移动通信市场预测

【摘要】分析中国通信移动通信市场发展情况，移动市场发展的歷史数据，具有明显的阶段性，即在不同的发展阶段具有不同的特点，将小波神经网络理论模型应用于移动通信市场预测，有助于更好地把握移动通信用户发展的规律，掌握下一步移动通信市场发展情况，为通信运营商的建设投资提供依据，为市场发展规划做好指导具有重要的价值，具有很强的实用性和准确性。

【关键词】小波神经网络；移动通信；市场预测

1.研究背景

自1987年中国移动通信业务运营以来，移动用户数一直保持较高的增长率，经过二十几年的快速增长，截至2013年10月全国移动用户总数已到达12亿，居世界第一位。特别是近几年，随着竞争的引入、资费政策的降低以及强大的移动上网数据需求，移动通信成为消费的热点，用户的绝对数量增长迅猛，从我国移动用户发展的历史数据来看，具有明显的阶段性，即在不同的发展阶段具有不同的特点，为了更好地把握移动通信用户发展的规律，掌握下一步移动通信市场发展情况，对移动通信市场进行预测，为通信运营商的建设投资提供依据，为市场发展规划做好指导具有重要的价值。

2.相关理论

2.1 小波理论

20世纪70年代，法国石油公司工作的年轻的地球物理学家，从事石油信号处理的工程师Jean.Morlet在1984年首先提出了小波变换WT（wavelettransform）的概念。Mallat提出了多分辨（尺度）分析的概念，给出了构造正交小波基的一般方法，这之前人们构造的正交小波基具有高度的技巧性和不可模仿性。

（1）小波变换

（2）小波分解

2.2 小波神经网络

小波神经网络（WaveletNeuralNetwork，WNN）是在近年来小波分析研究获得突破的基础上提出的一种人工神经网络。它是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络，即用非线性小波基取代了通常的非线性Sigmoid函数，其信号表述是通过将所选取的小波基进行线性叠加来表现的。小波神经网络具有以下特点。首先，小波基元及整个网络结构的确定有可靠的理论根据，可避免BP神经网络等结构设计上的盲目性；其次，网络权系数线性分布和学习目标函数的凸性，使网络训练过程从根本上避免了局部最优等非线性优化问题；第三，有较强的函数学习能力和推广能力。

小波神经网络可以分为松散型和融合型。松散型小波神经网络是小波分析对神经网络的输入进行初步处理，使得输入神经网络的信息更利于神经网络处理。融合型小波神经网络是小波和神经元直接融合，即小波元代替神经元，输入层到隐含层的权值及隐含层阀值分别由小波函数的尺度和平移参数所代替。

3.基于小波神经网络的移动通信市场预测

3.1 小波神经网络学习算法的具体步骤

1）网络参数的初始化，包括将小波的伸缩因子、平移因子、网络连接权值、学习率以及运动因子赋初始值，并置输入样本计数P=1。

2）输入学习样本和相应输出。

3）计算隐含层和输出层的输出。

4）计算误差和梯度向量。

5）输入下一个样本P=P+1。

6）判断算法是否结束，当E〈$时，即代价函数小于预先设定的某个精度，停止网络的学习，否则将计数器计数为1，并转步骤2〉循环。

3.2 基于小波神经网络的移动通信市场预测的实证分析

4.结论

本文选取142个月的中国移动历史用户数作为小波神经网络的学习数据，经过800次循环叠代计算，利用最近10个月的数据作为验证数据进行验证，得到以下结论，第一，小波神经网络理论模型进行中国移动用户数变化的预测效果很精确，绝对误差APE的最大值为0.92%，平均绝对百分比误差为0.29%，均方差误差为14.6。第二，预测到2015年中国移动用户数量将达到13.6亿部，未来的一年半的时间用户数增加速度放缓，为各家通信企业在进行投资建设、发展目标制定等方面提供参考。

参考文献

[1]赵宏.证券投资的神经网络方法[J].系统工程理论与实践，1997，7（6）：127-131.

[2]崔景泰[美].小波分析导论[M].程正兴，译.西安：西安交通大学出版社，1995，2-28.

[3]周明，聂艳丽，等.基于小波分析的短期电价ARIMA预测方法[J].电网技术，2005，25（9）：50-55.

[4]杨立才，等.基于粗集的正交小波网络预测模型研究[J].系统工程与电子技术，2005（8）.

作者简介：乔美华（1977—），女，山东聊城人，河海大学商学院在读博士研究生，中级工程师，研究方向：管理科学与工程。