我们的任务是对未来某一天的话务量进行预测（可能是普通工作日，或者节假日）。
其实在项目中最初的任务就是对当年的清明节的话务量进行预测，对于这种一年才会发生一次的时间，我们肯定是需要从往年的该时间段发现有效的Pattern。
其实这种方法也适用于平时话务量的预测，因为每天都有自己的Pattern——星期几，或者这个月的几号。所以我们下面阐述的方法也适用于平时话务量的预测。
还要交代一下的就是，时间序列的预测往往还强调“在线”性，比如股票价格预测，我们说预测明天股价最有用的信息很可能就是今天的股价，所以今天的股价对模型进行Modify很重要。但是我们的话务预测往往不是这样，因为一天之内，我们往往很难对提供话务服务的基站进行有效的调控部署，所以在话务预测方面，预测未来较长时间某天的话务量往往是实际的需求（这也是ARIMA和HMM没有被采用的原因）。

一般做法

那么假设现在是2月1日，而我要预测4月5号（清明节）以及放假这三天全市所有小区的话务量。而我有的数据呢，是一年的话务量（即从去年2月份到今年二月份的话务量）。
其实一个通用的做法就是计算通过Ratio——待预测那一天的话务量和目前话务量的比例值来进行预测。
打个比方，我要预测4月5号的话务量，如果我可以计算出当天24个小时的话务量和去年清明节24个小时话务量的比例值，那么我就可以给出今年4月5号的话务量了。实践证明用比值的方法还是相当有效的。之前有人利用往年的Ratio值来作为今年的Ratio值，还是获得了不错的效果。
这里先给出我们话务预测的框架：

我的做法

但是，我并没有历年清明节的数据（因为话务量的数据量较大，所以网优部门只暂存一年的数据）。那么，我们的大体思路还是拿去年清明节的话务量*Ratio来预测今年清明节的话务量，但是Ratio的计算我们得想想办法了。
这里我们引入一个概念——“基础话务量”，这个量表示的是地区话务的基础水平。
打个比方，某小区有个广场，所以每到晚上，大妈们过来跳舞了，手机都带着，导致这个小区的话务量攀升了，或者过春节了，小区的人都回老家过年了，那么话务量会锐减。但是，我们说，随着时间的推移，该小区开通手机上网业务的人越来越多，不考虑哪些日常的波动，小区真正使用手机在上网的“基础”话务量是上升了的。
同样的道理，撇去各种变化因素，城市整体的话务量肯定有一个变化趋势，那么我们的Ratio肯定要把这个因素考虑进去。
第二，假设我要预测的是小区A的话务量，我仅仅用A小区的历史记录计算出来的Ratio作为A的Ratio吗，我们在实际中发现，这样做其实还是存在很大误差的，为了减少这种偶然性的偏差，我们采用这样的策略：找到和A比较相似的N个小区，然后用这N个小区Ratio的均值，作为A的Ratio值。
那怎么找最相似的N个小区呢，我们首先当然要提取特征了，然后再特征空间中使用KNN找出N个和他最近的小区，或者我们进行聚类，用该聚类的Ratio均值，作为A的Ratio。

上图是我们利用话务量的均值和方差，作为两个特征，对不同的两个月的话务数据进行聚类的结果的观察（这边我们聚成3类），可以发现在不同时间，话务量在特征空间中的聚类特性变化不大，这也是为什么我们能够用KNN和K-means进行这样的分析（如果随着时间的推移，样本在特征空间中的分布变化很大，那么就拿聚类来说，这些样本到了下一期可能就不在一个聚类中了，那还谈何用该聚类的Ratio均值作为聚类中每个样本的Ratio呢）。
这了我们忽略了一个重要的细节——特征，下一节我们来看看，我们所使用的特征。