导读:本文包含了呼叫量预测论文开题报告文献综述及选题提纲参考文献，主要关键词:呼叫中心,预测管理,进线量预测方法
呼叫量预测论文文献综述
宋飞[1]（2018）在《呼叫中心进线量预测管理研究》一文中研究指出呼叫中心运营管理是运营管理科学的重要应用。而呼叫中心排班管理又是其中最重要的基础性职能之一,主要包括:进线量预测、坐席人员排班和现场实时管理等叁大内容。其核心目标是要在正确的时间,安排正确数量的正确的人来处理客户的服务诉求,从而以最合理的成本实现稳定的、令客户满意的服务响应时间和服务水平。其中准确的进线量预测又是有效排班管理的前提和基础。本文就将以呼叫中心进线量预测管理流程为切入点,进而探讨呼叫中心进线量预测的常用方法、模型,为解决大型呼叫中心中的同类问题提供参考和借鉴。(本文来源于《智富时代》期刊2018年12期）
张沪寅,胡瑞芸,何政[2]（2016）在《呼叫中心分块回归话务量预测》一文中研究指出为获得前瞻性话务量数据,解决呼叫中心坐席安排的问题,实现人力资源合理配置,分析历史话务量特性,提出了基于支持向量机和K近邻算法的分块回归(SKBR)话务量预测模型。将话务量按日期类型分为工作日话务量、周末话务量以及节假日话务量,采用不同的模型预测相应的话务量。以某省电力呼叫中心话务量为例,在Matlab平台上进行实验。结果证明,相比SVM模型和改进寻参方法的SVM模型,SKBR模型在预测准确性上有所提升。(本文来源于《计算机工程与应用》期刊2016年12期）
张伯驹[3]（2014）在《铁路运输企业呼叫中心话务量预测方法研究》一文中研究指出本文结合概率论与数理统计理论,运用抽样统计的手段,采用对数正态分布拟合,对呼叫中心的话务量进行预测。这种方法可计算出呼叫中心话务量的概率分布,从而得知话务量在某区间内的概率。论文使用的研究方法与已有的呼叫中心话务量预测方法的区别是引入了概率特性,它为铁路运输企业呼叫中心实际运营管理提供了理论与参考价值。(本文来源于《铁路计算机应用》期刊2014年10期）
龙通彬[4]（2013）在《基于卡尔曼滤波的呼叫中心话务量预测》一文中研究指出为得到准确的前瞻性话务量数据,有效解决呼叫中心资源合理分配和针对商旅类呼叫中心话务量的预测问题,建立了卡尔曼滤波器预测模型。依据卡尔曼滤波器算法特点,以及话务量数据序列周期性和季节性特性的分析结论,确定了卡尔曼滤波器日话务量预测模型的状态转移矩阵和观测矩阵。提出了以周为基本时间周期提取训练数据和预测话务量,根据历史话务量,通过预定义的高峰期话务量差异数据库修正预测结果的算法思想。MATLAB预测试验结果显示日话务量预测结果比较好的逼近实际日话务量。(本文来源于《计算机工程与设计》期刊2013年12期）
惠苗,赵志滨,陆永东,黄宝敬,吴宝发[5]（2013）在《中小型呼叫中心时间段呼入量预测》一文中研究指出为提升呼叫中心生产力并使得运营成本得到最小化,须对人力资源进行合理配置,呼入量预测是人力资源配置的前提条件.对某呼叫中心实际采样数据进行异常处理后,利用最小二乘法的数学预测模型进行预测,并对预测结果进行相对误差分析,预测误差均在0.8%~9.6%之间,这种简单、实用、准确的方法非常适合中小型呼叫中心.(本文来源于《宜宾学院学报》期刊2013年12期）
牟颖,王俊峰,谢传柳,夏正洪[6]（2010）在《大型呼叫中心话务量预测》一文中研究指出为进行呼叫中心的坐席数估计和后续的排班工作,分析了历史话务量数据的特点,总结出影响大型呼叫中心话务量的因素,并用这些影响因素的不同组合来预测话务量,通过结果的对比分析得出相对最优的话务量预测模型。在此模型的基础上分别采用BP神经网络算法和支持向量机算法(LS-SVM)对话务量进行了预测,通过分析和比较结果表明,BP神经网络比支持向量机算法更适合对大型呼叫中心话务量的预测。(本文来源于《计算机工程与设计》期刊2010年21期）
董哈微,叶先一[7]（2008）在《基于时间序列的呼叫中心话务量预测》一文中研究指出根据呼叫中心的话务量时间序列,对比研究了趋势外推法、平滑预测法与ARIMA模型法等话务量预测技术,并结合实际历史话务进行了相关验证,得出基于Holter-Winter非季节模型与ARIMA模型的预测方法可以对企业呼叫中心的话务进行较为准确的预测的结论.(本文来源于《闽江学院学报》期刊2008年05期）
呼叫量预测论文开题报告
（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：
为获得前瞻性话务量数据,解决呼叫中心坐席安排的问题,实现人力资源合理配置,分析历史话务量特性,提出了基于支持向量机和K近邻算法的分块回归(SKBR)话务量预测模型。将话务量按日期类型分为工作日话务量、周末话务量以及节假日话务量,采用不同的模型预测相应的话务量。以某省电力呼叫中心话务量为例,在Matlab平台上进行实验。结果证明,相比SVM模型和改进寻参方法的SVM模型,SKBR模型在预测准确性上有所提升。
（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。
呼叫量预测论文参考文献
[1].宋飞.呼叫中心进线量预测管理研究[J].智富时代.2018
[2].张沪寅,胡瑞芸,何政.呼叫中心分块回归话务量预测[J].计算机工程与应用.2016
[3].张伯驹.铁路运输企业呼叫中心话务量预测方法研究[J].铁路计算机应用.2014
[4].龙通彬.基于卡尔曼滤波的呼叫中心话务量预测[J].计算机工程与设计.2013
[5].惠苗,赵志滨,陆永东,黄宝敬,吴宝发.中小型呼叫中心时间段呼入量预测[J].宜宾学院学报.2013
[6].牟颖,王俊峰,谢传柳,夏正洪.大型呼叫中心话务量预测[J].计算机工程与设计.2010
[7].董哈微,叶先一.基于时间序列的呼叫中心话务量预测[J].闽江学院学报.2008