题目：基于PCA与神经网络的话务量预测模型应用研究

本文以“中国航天科技集团公司营销平台客服中心运营管理系统”这一项目作为研究背景，深入调研话务量预测问题的国内外研究现状，针对话务量历史数据呈随机性、非线性的特点，构建反向传播（Back Propagation，BP）神经网络话务量预测模型，并运用主成分分析方法（Principal Components Analysis，PCA）对模型进行优化。 本文从课题背景出发，在进行大量话务量数据分析的基础上，将研究问题归结为非线性时间序列预测问题。针对这一问题，综合考虑话务量预测研究领域的各种研究方法，首先选用BP神经网络模型进行话务量预测。之后结合话务量数据的周期性与相关性特点，解释了单纯采用神经网络算法不适用于话务量预测问题的原因，并提出利用主成分分析算法对预测模型进行改进的基本策略。然后应用真实数据在仿真软件中验证了模型的有效性，并选取两个有代表性的模型，通过对这三种模型预测性能的比较，本文模型的优越性得以体现。最后，根据课题要求开发出用于呼叫中心实际话务量预测工作的系统软件。该系统的设计与实现过程在本文正文部分的最后一章以文字和图片的形式生动地呈现出来。 本文开创性地将主成分分析方法引入话务量预测领域，并令人满意地与BP神经网络算法予以结合。同时，将此新模型升华为系统软件，在话务量预测的实际应用领域中具有明确的理论指导与实践意义。