摘要:
针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法。该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力。仿真结果表明,该预测方法能有效降低预测误差,与现有方法相比,话务量的预测精度提高了6.57%\.
中图分类号:
张一农,刘伯龙,王文婷. 基于神经网络的客服中心话务量预测模型[J]. J4, 2011, 29(02): 97-.
ZHANG Yi-nong|LIU Bo-long,WANG Wen-ting. Neural Network Based Traffic Prediction Model of Customer Service Center[J]. J4, 2011, 29(02): 97-.