呼叫中心系統話務量預測算法流程

(1) 讀取數據，對一些異常話務數據進行了處理，具體如下：對于個別數據的缺失，采用線性擬合的方法做了添加;對于突發的異常數據，采用了線性平均的方法對其進行平滑處理;對于無歷史數據參考的第一個預測周期，采用它本身數據進行預測。

(2)訓練樣本歸一化。為使整個網絡的輸出限制在一個較小的范圍內，對輸入值用歸一化處理，將其適當變換轉化為 0-1 之間的值。根據(3)進行變換：這樣處理后，數據比較均勻地分布在[0,1]區間內，保證了能更好地學習樣本，提高了訓練的效率。

(3)初始化 BP 神經網絡訓練參數，(學習率)，精度閥值，

最大循環次數，隨機初始化輸入層和隱層權重以及隱層和輸出層的偏移。

(4) 前向傳播輸入值。首先訓練元組提供給輸入層。輸入通過輸入單元，不發生任何變化。然后，計算隱藏層和輸出層每個單元的凈輸入和輸出。為計算每個單元的凈輸入，連接該單元的每個輸入都乘以其對應的權重，然后求和，如下式所示

(4)

(5)更新權重和偏移，后向傳播誤差。權重

由式(6)更新，誤差

由式(7)得出

= (5)

= (6)

(7) 式中： ——權的改變，是單元的實際輸出，—— 基于給定訓練元組的已知目標值。

(6)計算輸出單元的總誤差，如果誤差小于規定的閥值，或者已達到最大迭代次數，則跳到 7，否則返回 4;

(7)返回反歸一化的輸出層結果。算法流程如圖所示。