导读:本文包含了话务量论文开题报告文献综述、选题提纲参考文献，主要关键词:话务量,客服,话务,电磁辐射,云图,网络,日常生活。
话务量论文文献综述写法
刘毅华,杨青[1]（2019）在《来自“利奇马”的超常考验》一文中研究指出8月9日至12日，台风“利奇马”登陆山东。为确保旅客安全出行，中国铁路济南局集团有限公司根据风速雨量和灾害影响程度等实际，适时采取停运、限速、折返等措施，动态调整列车开行方案。此次，济南局集团公司12306铁路客户服务中心作为看不见的战线，经受住了不为人(本文来源于《人民铁道》期刊2019-08-21）
范晨,邢竟,王文静,庞朝曦,陈伟杰[2]（2019）在《基于时间序列模型的异常话务量分块建模和预测》一文中研究指出论文主要研究利用大数据挖掘技术及最优化算法,为实现既保证呼叫中心服务质量的同时,又能保证人力资源最优的配置提供预测数据,供95598坐席排班参考,并通过与实际值的对比进行验证,结果显示该项研究具有较高的推广和应用价值。(本文来源于《中小企业管理与科技(下旬刊)》期刊2019年01期）
黄贲[3]（2017）在《8890的粉丝越来越多》一文中研究指出本报消息（记者 黄贲）7月29日晚，市民朱女士致电市8890说，车子停在万达广场被堵，需要提供移车服务，五分钟后她顺利驶离。“以前都打110移车，现在有事首先想到打8890，这个热线很便民。”朱女士没想到自己恰好打进了市8890的第400万个电话。(本文来源于《金华日报》期刊2017-08-02）
王叁军,杨厚新,王向英[4]（2017）在《基于决策树的呼叫中心分时段话务量预测模型》一文中研究指出为解决交通服务热线12328呼叫中心坐席安排难的问题,提高坐席人员工作效率,针对呼叫中心分时段话务量特性,提出了由预测分时段话务量占当日总话务量比例间接得出分时段话务量的思路,并以比例向量作为叶节点构建决策树模型。应用分类和回归树算法构建决策树时,考虑到分时段话务量样本间的相关性,引入马氏距离对算法中度量切分误差的方法进行改进。结合实际需求,对常用的误差衡量标准进行了修改,以更好地反映分时段话务量预测效果。实验证明,相比于直接预测分时段话务量,该方法预测误差降低了8%,提升了预测准确性。(本文来源于《软件导刊》期刊2017年06期）
唐坤[5]（2017）在《基于用户分布与话务量的基站电磁辐射研究》一文中研究指出随着手机普及,无线通信业务呈现爆炸式增长,大量新建基站投入使用,导致电磁辐射问题更加严重。目前主要以基站的最大发射功率对基站周围电磁辐射进行预测。但在实际情况中,基站通信时发射功率是根据通信用户距离的远近不断调整,即和基站周围的用户分布情况相关。同时基站发射功率和话务量也相关,话务量越大,单位时间内的平均发射功率越大。针对上述问题,本文从基站覆盖区域用户分布和话务量两方面分别考虑基站实际发射功率,提出了基于用户分布与话务量的基站电磁辐射预测方法。本文主要研究内容与创新工作如下:(1)本文提出了一种基于用户分布的基站电磁辐射预测方法,该方法考虑了基站覆盖区域用户分布特征和路径损耗模型,对基站实际发射功率进行推导,再预测基站周围某点位平均电磁辐射强度。通过分析该方法时隙脉冲电场强度的累积分布函数,并与实际测量时隙脉冲电场强度的累积分布函数相比较,验证了该预测方法的有效性。本论文分别采用均匀分布和指数分布两种用户分布模型分析基站各点位的电磁辐射强度,并分别与实际测量的电磁辐射强度相比较。两者均方根误差分别为0.2559和0.0373,不确定度分别为0.9259和0.5973。由此可知,用户分布为指数分布时预测效果相比均匀分布更加准确。(2)本文提出了一种基于话务量的基站电磁辐射预测方法,该方法考虑用户在覆盖区域的概率密度函数、话务量、路径损耗等多个因素,推导了基站单个载频实际平均发射功率,再计算基站不同话务量电磁辐射强度的大小。通过比较分析了单个时隙平均电场强度理论值与测量值的累积分布函数,验证了该预测方法的有效性。在话务量最大的时间段,实际测量的电磁辐射强度为21.2674μ/Wm~2,基于提出方法计算的电磁辐射强度为23.5580μ/Wm~2,基于最大发射功率计算的电磁辐射强度为41.1130μ/Wm~2。由此看出,本文提出方法对基站电磁辐射预测更加精确。同时本论文还通过该预测模型和混合高斯模型的概率密度函数对比,验证了该方法的优越性。(本文来源于《湘潭大学》期刊2017-06-03）
邵丹[6]（2017）在《试析智能客服在话务量分流中的应用》一文中研究指出随着科技发展与社会的进步,智能客服在移动系统中得到了广泛的应用,并且取得了良好的成效,其不仅能够对客户所提的相关问题进行及时的解答,而且也在一定程度上分流了人工客服的话务量,减轻人工客服的工作量。本文将通过对智能客服进行简要介绍,进而对智能客服在电子渠道以及话务量分流作用进行阐述,以供参考。(本文来源于《通讯世界》期刊2017年09期）
答嘉曦[7]（2017）在《LTE高话务量场景的优化策略及保障方案研究》一文中研究指出为提高LTE高话务量场景下的通信保障能力,对包括覆盖、干扰、容量叁个方面的主要优化策略和保障方案进行了研究,重点介绍了其中的系统优化策略和硬件保障方案,并结合高话务量场景的保障实施案例,给出了多种手段结合的具体实施方案和成效分析,以指导高话务场景的优化与保障工作。(本文来源于《移动通信》期刊2017年08期）
卢爱勤,卢善勇[8]（2016）在《WCDMA网络高话务量场景下的优化措施》一文中研究指出随着WCDMA网络的不断完善,用户的不断增加,在人口密集的地方出现高话务量的场景下,从而导致不同程度的网络拥塞。特别是在一些大型集会场所高话务量场景,如何解决高话务增长,防止网络拥塞。现结合日常保障工作中遇到的高话务量问题,分析网络容量相关资源、网络负荷功能性等来进行解决网络在高话务量冲击下的优化,为今后更进一步的做好WCDMA网络通信保障工作打下基础。(本文来源于《信息通信》期刊2016年12期）
曾雨桐[9]（2016）在《数据挖掘算法在网络优化话务量和差小区挖掘中的应用》一文中研究指出数据挖掘是一种面向信息智能、处理海量数据的应用技术,具有如关联分析、预测、分类和聚类等多种功能,目的是在众多的信息中分析研究对象的内在规律,从而提取出有价值的信息。本文对数据挖掘在移动通信网络优化中的应用进行了研究,提出了话务量预测模型和应用聚类方法分析质差小区的设计方案并给出了优化的思路。论文介绍了网络优化的相关知识与流程,总结了目前常用的数据挖掘技术,探讨数据挖掘技术在移动通信网络优化中的应用范围。首先针对节假日忙时话务量进行分析预测,根据话务量易受多种因素的影响这一特点,用关联分析的方法找出关联度较大的影响因子,提出基于支持向量机的多因素灰色话务量预测模型。先用多因素灰色模型预测话务量的基本规律,然后再用支持向量机模型对预测误差进行修正。其次,为进一步提高预测精度,给出了改进方案,选取拥有较强的敛散性和全局寻优能力的复高斯小波核函数优化向量机,仿真结果表明该模型在原有模型的基础上再次提高了预测精度。最后,本文提出用数据挖掘技术中的层次聚类方法对小区性能进行划分,通过样本聚类迅速定位到性能较差的小区,再根据变量聚类分析导致小区性能差的各项指标之间的关联度,针对性地制定优化方案。(本文来源于《南京邮电大学》期刊2016-11-18）
刘加勇[10]（2016）在《基于话务量感知的动态云图技术》一文中研究指出在移动4G时代,数据的汇总及360度呈现,让管理层全面了解业务趋势,制订相关业务发展的决策,对企业市场扩展及客户维系具有重要影响。基于话务量感知的动态云图技术,通过引入经自行开发和改善而建立的A rc GIS服务器,借鉴数据处理以及空间分析这两方面的能力,通过开展话务量感知方面的分析,进而实现图层的渲染。可适合于多种场景,如区域基站分布不均,可形象客观地展示一些重要指标的变化趋势,呈现出其变化规律。(本文来源于《信息通信》期刊2016年10期）
话务量论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
论文主要研究利用大数据挖掘技术及最优化算法,为实现既保证呼叫中心服务质量的同时,又能保证人力资源最优的配置提供预测数据,供95598坐席排班参考,并通过与实际值的对比进行验证,结果显示该项研究具有较高的推广和应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
话务量论文参考文献
[1].刘毅华,杨青.来自“利奇马”的超常考验[N].人民铁道.2019
[2].范晨,邢竟,王文静,庞朝曦,陈伟杰.基于时间序列模型的异常话务量分块建模和预测[J].中小企业管理与科技(下旬刊).2019
[3].黄贲.8890的粉丝越来越多[N].金华日报.2017
[4].王叁军,杨厚新,王向英.基于决策树的呼叫中心分时段话务量预测模型[J].软件导刊.2017
[5].唐坤.基于用户分布与话务量的基站电磁辐射研究[D].湘潭大学.2017
[6].邵丹.试析智能客服在话务量分流中的应用[J].通讯世界.2017
[7].答嘉曦.LTE高话务量场景的优化策略及保障方案研究[J].移动通信.2017
[8].卢爱勤,卢善勇.WCDMA网络高话务量场景下的优化措施[J].信息通信.2016
[9].曾雨桐.数据挖掘算法在网络优化话务量和差小区挖掘中的应用[D].南京邮电大学.2016
[10].刘加勇.基于话务量感知的动态云图技术[J].信息通信.2016