呼叫中心目前已經成為現代企業運營的重要組成部分，是各企業與用戶之間聯系的重要渠道。隨著IP語音解決方案的不斷發展，基于IP的呼叫中心系統已經逐漸成為目前各運營商及企業呼叫中心主流。IP呼叫中心系統可以采用全分布式的網絡結構，實現遠程、多點、虛擬的呼叫中心，只要在系統網絡可達位置均可實現坐席人員辦公，不必局限于固定的物理位置，從而實現了真正的移動辦公功能。 　　呼叫中心一般包括自動業務和人工業務兩部分，為用戶提供業務咨詢、受理、業務查詢、投訴建議等服務。為了充分利用呼叫中心人員及設備使用率，節約投資成本，需要對呼叫中心的話務結構進行精確預測。 　　呼叫中心的話務量隨時間變化非常大，同時受多種因素的影響，變化不規則，用簡單的方法難以進行預測。但是它也是具有一定的變化規律，需要根據目前企業的市場容量和發展速度來預測規劃期內用戶數，然后對目前用戶使用呼叫中心可能需求次數，需要用科學的方法進行分析，找出影響因素，建立預測模型和方法。 　　話務預測方法 　　分析預測法 　　分析預測法的概念是制作一個與事情過程有關的數學模型，它包括所有因素。國外有幾個運營商已經成功的使用分析法進行預測，包括法國電信和沃達豐等。分析模型對高層管理作出經營戰略是很重要的，也由于涉及公司經營上的密碼，各個運營商應用時的具體組成因素相當保密。 　　技術預測法 　　技術預測法是排除了確定參數影響問題的方法，把這一問題留給自我學習系統（人工智能領域使用的）。 　　模擬預測法也是一種技術預測法，其配置相關的簡單數學模型，模型是量身定做的，它可以得到預測和推斷未來的數據。這種數學模型可以用簡單函數構建或者通過隨機過程來模擬，其中比較典型的如ARMA模型，ARMA模型能夠較好地描述時間序列，但是其缺點是預測速度慢。 　　基于ARMA模型的預測模型 　　ARMA方法是一種精度比較高的短期線性預測方法，，它適用于各種類型的時間序列，使用這一模型的關鍵是找到最優的預測模型。在建模的過程中，針對不同維數的輸入向量建立相應的預測模型，通過誤差分析選取最優的預測模型。從以上的結果表明，最優ARMA模型（輸入向量為25維）在短期內的預測值跟真實值基本一致。此外，ARMA模型的訓練過程較快，但是其預測過程比較慢。 　　基于BP模型的預測模型 　　隨著輸入層節點和隱含層節點的數目增加，BP神經網絡的訓練時間明顯增長，但其預測性能并不一定增強，這可能由于太復雜的網絡容易引起過度擬合，從而推廣能力變差。通過以上實驗選取了5個輸入層節點和15層隱含層節點的三層網絡結構，該網絡輸入層和隱含層的節點并不多，而預測性能則是最優的。