呼叫中心系统话务量预测算法流程

(1) 读取数据，对一些异常话务数据进行了处理，具体如下：对于个别数据的缺失，采用线性拟合的方法做了添加;对于突发的异常数据，采用了线性平均的方法对其进行平滑处理;对于无历史数据参考的第一个预测周期，采用它本身数据进行预测。

(2)训练样本归一化。为使整个网络的输出限制在一个较小的范围内，对输入值用归一化处理，将其适当变换转化为 0-1 之间的值。根据(3)进行变换：这样处理后，数据比较均匀地分布在[0,1]区间内，保证了能更好地学习样本，提高了训练的效率。

(3)初始化 BP 神经网络训练参数，(学习率)，精度阀值，

最大循环次数，随机初始化输入层和隐层权重以及隐层和输出层的偏移。

(4) 前向传播输入值。首先训练元组提供给输入层。输入通过输入单元，不发生任何变化。然后，计算隐藏层和输出层每个单元的净输入和输出。为计算每个单元的净输入，连接该单元的每个输入都乘以其对应的权重，然后求和，如下式所示

(4)

(5)更新权重和偏移，后向传播误差。权重

由式(6)更新，误差

由式(7)得出

= (5)

= (6)

(7) 式中： ——权的改变，是单元的实际输出，—— 基于给定训练元组的已知目标值。

(6)计算输出单元的总误差，如果误差小于规定的阀值，或者已达到最大迭代次数，则跳到 7，否则返回 4;

(7)返回反归一化的输出层结果。算法流程如图所示。