移动互联网业务扩散模型及其应用研究

移动互联网业务扩散模型及其应用研究1前言1.1选题背景移动互联网通过移动通信终端、互联网应用技术的有机结合为客户提供语音、视频、文字、上网等优质服务，是新一代的开放电信基础网络。同时，移动互联网作为一种技术密集型产业，随着人们手机等终端设备的普遍应用和3G、4G等移动网络的不断推广，已成为现有新兴经济模式中业务增长最快、经济效益最大、市场前景最为广阔的产业。目前移动互联网极大影响了人们日常的生产生活，大家可以随时随地通过携带的手机等智能设备接入网络，进而根据相应的需求获取应用、信息、服务。国内移动互联网在过去的几年里得到了井喷式发展，截止到2015年12月，国内在网活跃移动智能设备数量达到8.99亿，其中通过手机上网的用户规模已经超越传统的电脑网民规模。目前通过手机上网在全社会已成为一种常态化社会现象：首先表现在手机上网的使用频率上，目前每天至少使用手机上网一次的网民数量占全部手机网民的89.6%，通过WIFI和数据流量24时实时在线登录的手机网民比例都已达到32.9%，其次表现在上网的时长上，据统计42.5%的网民每天上网时间超过三个小时。移动互联网的跨越式发展促进了智能手机、可穿戴设备研发生产、应用软件APP开发、互联网+等周边相关产业的发展，为社会创造了巨大的经济效益，给人们的生产、生活带来了巨大的便利，切实提高了人们获取服务和信息的能力。随着生产技术的进步和云计算的推广普及，未来移动互联网将更加智能化，移动终端设备将呈现出更高的性价比优势，这将进一步促使我国更多的创业者将目光聚焦在移动互联网及周边领域，互联网公司以及硬件生产企业势必也会加快布局移动互联网领域的步伐，种种迹象显示移动互联网在我国将拥有非常明朗的发展前景，我国移动互联网整体市场未来一定时期必将得到繁荣的发展。1.2选题意义鉴于我国庞大的人口基数和消费需求，移动互联网用户规模注定未来将实现迅速的扩展，因此构建业务扩散模型并进一步预测未来移动互联网的的发展趋势是十分有必要的。作为目前移动互联网用户的主流终端使用设备——智能手机在我国已保有较大的使用规模，未来增速将呈减缓趋势。这种趋势对智能手机制造企业及周边产业领域来说，如果想减少未来的竞争压力，只有在充分认清市场趋势之后再针对性制定合理的市场营销策略和生产计划，最大程度的避免由于对市场前景的误判而产生的损失。我国目前市场移动网络接入方式保有量相对较大的依旧以2G和3G网络为主，较少的信息服务种类、较慢的网络数据传输速率和偏高的使用费用均无法满足用户体验需求。对移动、联通等电信运营商而来说，WLAN覆盖面及4G网络推广尚有诱人的发展空间。提前预测用户数量可以有针对性的对通信网络基础建设进行资金投入，可以避免非必需的资源浪费或重复建设，为各大运营商的网格化、精细化互联网业务规划提供参考依据，科学有效进行网络资源配置。在移动互联网时代，运营商面对来自传统互联网的冲击，应为用户提供品种多样、满足个性的信息服务需要积极创造流量，不再仅仅是拓展流量传输的管道。在传统企业开始涉足于移动互联网业务前，掌握市场未来的前景趋势、明确的客户需求等信息能够让企业提前改变传统的管理、盈利模式，做好人员安排、战略规划，达到降低决策风险和成本的目的。总之业务扩散模型预测工作在促进未来移动互联网产业快速而又优质的发展，提高市场经济活力等方面具有非常重要的指导作用。1.3研究方法本研究以创新扩散的相关理论和粒子群优化算法为核心,构建移动互联网业务扩散模型。本文研究过程中主要采用了理论研究、定性研究、定量、实证研究四种研究方法。1.3.1理论研究本文通过分析技术创新扩散的相关理论,并根据移动互联网业务扩散的相关特点,结合粒子群优化算法构建适合移动互联网业务扩散的理论模型,并进一步发展了扩散理论。1.3.2定性分析研究本研究通过分析移动互联网业务扩散的本质特点,借鉴扩散理论的相关内容,研究移动互联网业务扩散的一般规律及特性因素，并据此对移动互联网业务扩散的影响因素进行分析。1.3.3定量研究、实证分析本文通过整理我国移动互联网业务扩散的有关扩散数据,对提出的移动互联网业务的扩散扩展模型进行验证和应用。2移动互联网概述移动互联网,是移动通信产业和互联网产业二者相互融合的产物，移动互联网自上世纪末期被提出以来取得了迅速的发展，得到了消费者的追捧。2.1移动互联网定义、特征移动互联网是指客户通过手机终端或其它便携式终端设备,利用移动通信网络浏手机APP应用和览互联网页,获取各种数据服务以及信息服务，可同时获得话音、图像、数据、传真、多媒体等高品质网络服务的新一代、开放式电信基础网络。其中移动通信网络构成移动互联网的核心要素，其次是手持终端便携设备，以及移动应用服务。移动互联网的业务体系在不断拓展，不过其业务发展的本质就是将传统固定互联网业务通过技术创新转移到移动互联网终端上。此外，不断整合移动通信和互联网的交叉功能也是移动互联网业务的主要发展方向，即将移动通信业务逐步互联网化。简而言之：移动互联网是未来互联网的发展趋势，移动互联网就是凭借手机、IPAD等便携式智能终端随时随地的实现网络联通来获取相关服务和信息。相较与传统互联网业务，移动互联网业务的特点不仅表现在互联网移动便携性上，还表现在通信的网络化、多样的服务种类和更高质量的保证，不过，移动互联网在软、硬件上也受到一定的限制。其特点总的来说主要有以下几个方面：（1）移动便携性。移动互联网手机等终端设备携带方便便于用户在移动的状态下使用，使得用户可以随时随地接入和使用互联网相关服务。（2）软、硬件的客观局限性。移动互联网业务在移动便携的同时，也受到了来自终端设备能力和网络能力的限制：在终端设备能力方面，受到手机等终端设备功能、电池容量、应用处理能力等性能的限制；在网络能力方面，受到无线网络技术能力、传输环境（是否屏蔽、干扰、基站分布）等因素限制。（3）业务使用的私密性。在使用移动互联网业务时通过相关安全软件、权限限制使客户使用的服务和内容具有保密性，如手机支付业务等。（4）业务与终端、网络的相适应性。由于移动互联网业务受到了终端设备能力和网络能力的限制导致开发的相关业务形式和内容也需要适合相应的终端类型和网络技术规格。2.2移动互联网业务发展现状自1989年中国通过互联网发送第一封国际电子邮件以来至今，互联网已经渗透进人们工作、娱乐，社会生产、生活的各个方面。特别是近几年，互联网更是在我国获得了急速的发展，目前已达到一个空前繁荣的时期。据相关统计显示，截至2013年12月，我国网民规模达6.18亿，全年共计新增网民5358万人，互联网普及率为45.8%，较2012年底提升了3.7个百分点。网民规模不断扩大，互联网应用深度、普及广度均不断加强，互联网早已成为人们工作、生活中密切依赖、不可缺少的一部分。互联网的诞生给世界带来天翻地覆的革命，从此人们的生活更为便捷，工作也更为高效；信息的传递更加方便，分享更加自由。对于规模日益庞大的中国互联网用户来说，我们正在亲身感受着除了日新月异的互联网技术、与日俱增的互联网渗透率，同时还有上网方式、上网工具的迅速转变，其代表就是移动互联网业务。我国于2005年开始运行移动互联网业务，目前移动互联网业务发展已进入快速发展期。移动互联网用户上网依赖度快速提高，截至2013年中国新增网民中使用手机上网的比例高达73.3%，同时中国移动互联网应用产品不断完善，在移动互联网各类应用产品中，即时通信类产品应用率最高，交友社区类产品取得了一定的市场份额，游戏娱乐类应用始终成为移动互联网用户的主流选择。移动互联网产业是新兴技术产业，无论对于人们的生活还是对于社会的发展都产生深远影响。随着新型移动互联网终端设备的开发普及，未来将持续变革人们生活方式、工作方式方方面面，移动互联网产业发展速度日益递增，移动互联网产业生态体系日益纵深、发展平台日益一体化，逐日突破摩尔定律的限制。移动互联网产业链保持了持续性爆炸性增长，至今，没有人可以准确测算出未来移动互联网产业的发展边界，移动互联网的未来没有止境可言，移动互联网的增长速度必将不断突破人们认识极限。移动互联网终端引领着一个新方向，代表着一种新趋势。作为推动未来互联网发展的关键，它并不只是现有互联网技术的简单延伸，还体现着用户与网络之间全新的交互方式，移动互联网终端因用户的需求而产生，它在影响互联网产业发展的同时也在改变和塑造用户的需求，也改变了整个人类社会生产生活的方式和传统。3移动互联网业务扩散理论基础移动互联网业务的扩散是指随着时间推移，潜在用户通过各种渠道逐渐接受移动互联网业务的过程。即，移动互联网业务通过人际口碑或大众媒介等传播方式向潜在用户传播的过程。移动互联网业务扩散的全过程同样符合生命周期理论,也应包括进入市场初期低速拓展、用户数中期急剧增长、后期用户扩展速度减慢等三阶段。3.1技术创新扩散相关理论技术创新扩散的基础理论至今走过30余年发展历程。在1983年逻各斯首先提出,技术创新扩散就是潜在的目标采纳者从提供者那里接受一种新技术的传播过程，也就是随着时间的推进，系统中的相关成员通过某种或多种渠道接受新的一个过程。扩散过程起始于最初的产品或者新思想的提供者,随着时间的推移,通过人际口碑或大众媒介逐渐被新的采纳者采用。新的采纳者或者对潜在的采纳者进行口头传播，或者变成了潜在的新技术的提供者，直到潜在的采纳者不断减少最后变为0,则表示该产品或者新思想的扩散过程终结。创新扩散模式一般包含社会系统、创新、时间和传播渠道等四个影响因素。从扩散渠道来看，信息传播有人际口碑传播和大众媒体传播两大渠道，在创新扩散的过程中这两个传播渠道发挥的作用不同；从信息扩散的层面来看,通过人际口碑传播和大众媒体传播，创新信息可以在单一社会系统内部或者在不同的社会系统之间进行传播。创新扩散经历一个逐步增长并最终停止的过程,具有一定的数学规律,因此,用数学公式来描述扩散过程成为一种可能并被许多学者所研究。技术创新扩散的概念诞生以来,很多学者对其进行了深入的研究。布朗将技术扩一散研究分成四类，分别是经济发展、市场结构、信息交流和新旧技术之间的更替速度。之后,逻各斯又针对技术创新扩散的研究对象开展分类，逻各斯将采纳过程视为一个创新决策的过程,它可以细分成五个阶段，即认知、说服、决策、实施和证实，各个阶段在一定程度上减缓或者促进整个创新的决策过程。按照学者们数十年来在技术创新扩散所关注的研究领域和研究的主要特点,我们将技术创新扩散的研究划分成三个阶段：3.1.1基本模型研究上世纪初到七十年代初，技术创新扩散的理论在这一时期被提出。这一时期的研究重点主要倾向于基本数学模型的研究,S形扩散模型的研究在这一时期开始成为技术创新扩散研究的理沦基础，学者们通过回归分析得到模型系数,并通过构建的模型进一步开展预测分析。3.1.2基本模型的扩展研究上世纪七十年代到八十年代初，这一阶段的技术扩散研究开始涉足不同学科的研究。在前期基本模型研究的基础上,部分学者拓展了一定的相关参数，例如竞争、环境、创新内在关系、多阶段采用等,使创新扩散模型进一步柔性化,预测也比以往更加科学准确。3.1.3新应用研究上世纪八十年代至今，前期技术扩散学者所提出的模型、概念和研究方向在这阶段都得到了飞跃性地发展,同时这一时期也修正了前期相关的研究成果。技术扩散研究范围不断扩大,所运用的各种新的研究方法与机制使技术扩散模型更加科学，理论结果与现实中各种复杂应用情况进一步实现一致。创新扩散模型随着扩散理论的发展完善越来越受到研究者的重视，这一方面是因为研究扩散可以为企业的创新营销策略提供理论支持,预测企业的创新扩散情况,另外研究的扩散模型结果也为人们提供了更宽广的视野。近些年来针对创新扩散,专家一般是设定相关的系数变量，在一定的假设条件下输出技术扩散的周期曲线,目前已经建立了许多研究模型,例如曼斯菲尔德提出了传染病模型,哈格斯川德提出了空间扩散理论，Bass提出了经典的扩散模型等等，这些模型为现实营销决策提供了有效指导。同时学者们不断尝试放宽创新扩散模型的假设前提，以期将创新扩散模型拓展到更广泛的应用范围。技术创新扩散的过程有以下几点重要的特性：首先,创新扩散过程的S型曲线递增过程表现了创新过程的不平衡性,也就是从扩散初期低速发展到增速的发展,然后发展到成熟时期,最后速度放缓直至停滞的过程，同时不平衡性也是创新扩散过程的一个重要前提。其次,技术创新扩散的来源具有基数扩张性。整个技术创新的扩散过程是新信息提供者提供的新技术被潜在的新技术接受者通过各种渠道获取,潜在的新技术接受者取得技术能量补充再进行消化吸收成为新信息提供者这一循环过程。也就是说,由于扩散源随着扩散在不断增长,并且一种新技术的扩散对象面对的是所有潜在新技术接受者,所以随着创新扩散过程的推进技术创新扩散的扩散范围会不断扩大。3.2移动网业互联务扩散预测移动互联网的产生与发展依赖于新业务、新技术的诞生和消费需求的不断提高,可以说,移动互联网作为一个新兴的产业自身就是一种技术创新，因此,移动互联网领域同样可以运用技术创新扩散的相关理论。移动互联网的发展过程本质就是一种创新产品的应用，用户数量在短时间内有极快的增长速度是移动互联网业务突飞猛进扩散的最明显特征，因此可以运用创新扩散理论和模型来分析移动互联网业务的发展过程，基于模型就能够准确预测移动互联网未来的发展趋势，掌握未来的用户数量。Bass模型是创新扩散领域的常用模型，然而Bass模型的前提是在扩散周期内一个潜在用户只购买一个产品，从而得出潜在用户的数量与产品的最终销售量相一致的结论。但是在实际生活中一个用户在不同时间拥有不同的终端设备，甚至在同一时间也很有可能拥有不止一台终端设备接入移动互联网，所以本文可以将移动互联网业务扩散看作是无重复购买的情况，在统计时采用的样本数据不是依据实际上网人数而是把互联网的终端接入数量视为移动互联网用户数量。此外Bass模型前提假设系统内潜在用户数量始终保持不变，对于移动互联网业务而言未来业务扩散的最大值是固定的。在当前我国发展环境下，手机等移动终端设备和互联网推广普及已经取得较大进展，未来增幅变化不大，总人口数也不可能有太大的波动，可以认为使用移动互联网的潜在用户总量保持不变。另外移动互联网业务扩散也满足Bass扩散模型的其他一些前提条件，如在业务扩散过程中其所在的社会系统的地理范围不会发生变化、潜在的客户之间没有明显的差别、能够及时满足市场需求的产品供应量、潜在的产品消费者仅仅存在两种情况——接受产品或者不接受产品，没有第三种情况存在，等等。所以研究移动互联网的业务扩散过程采用Bass扩散模型是具有可行性的。另一个研究重点就是参数估值的选取，因为扩散模型中参数的取值是否恰当直接影响了模型最终的预测结果的准确与否，所以选择合适的参数估值就显得特别重要。当前很多领域的业务扩散模型研究仿真结果已证明了粒子群优化算法在精度方面和收敛速度都比已有的方法要好，该算法是一种优异的、可靠性相对较高的参数估计算法，所以可以利用粒子群优化算法解决移动互联网业务扩散模型中的难题。3.3移动互联网业务扩散影响因素分析本文认为影响移动互联网业务扩散的因素可以分为三大方面：信息传播方式、技术创新特性和行业外部环境。本节将分别讨论三大影响因素在移动互联网业务扩散过程中对创新者和模仿者的影响。信息传播方式影响因素主要包括人际交流和大众传媒两类。人际交流主要指使用者和潜在用户之间的相互沟通，主要影响业务扩散模型中模仿系数的数值。人际交流这种方式有利于移动互联网业务的扩散，通过移动互联网使用者经验的传授或者相关业务演示等人际交流方式使对方获取信息,可以让潜在采纳者充分了解熟悉该业务,受人际交流影响而采纳创新的用户称为模仿者。大众传媒指通过有效的宣传手段,例如扩散源采用报纸、广播、电视、网络等传播媒介向潜在采纳者传递相关移动互联网业务信息可以达到广泛吸引用户的效果。大众传媒主要影响业务扩散模型创新系数的大小，受大众传媒影响而采纳创新的用户根据模型的建模思想称为创新者。技术创新特性包括复杂性、相对优越性、可观察性、需求协调性等几个因素。技术创新特性在扩散模型中会影响创新系数的大小，技术创新特性直接影响潜在采纳者对创新的认知感受,这种感受促使他们进一步决定否采用该产品，因为感知到技术创新的特性，这些潜在用户做出接受这项创新的决定,他们被称为创新者。复杂性指新用户接受和使用新业务的复杂程度。对潜在用户来说移动互联网业务是否容易操作和使用将进一步影响到其最终业务扩散速度，移动互联网业务复杂度越低,新用户一般就更加容易接受，其创新扩散的速度也就越快。相对优越性是指相较于其他创新，该创新具有新的特性。与传统互联网相比,移动互联网具有不受地点限制、便携性等优越性，这成为吸引潜在用户的优势所在，较高的相对优越性直接推动业务扩散速度的提高。可观察性指创新的各种优势是易于被潜在用户所发现。可观察性特别是在扩散初期对扩散速度的影响更加重要，潜在客户只有更快发现移动互联网业务的优势所在才更加容易被吸引，进而更快的接受和使用，所以具有相对优越性的创新其扩散速度会更快。需求协调性是指创新应该与潜在用户的实际需求相一致。没有使用价值的东西是没有价值的，只有满足潜在用户的价值观念、文化态度、生产生活需求的业务才能够被潜在客户采纳，才有扩散的可能。产业外部环境因素主要包括政策环境和社会经济环境两类，产业外部环境可以影响移动互联网的创新者和模仿者。政策环境指政府实施的一系列相关法律法规、规划及政策。好的政策环境可以从技术、资金等方面促进移动互联网行业实现良好发展，甚至可以为移动互联网的发展在国家层面上提供向导。同时,还可以激励更多社会成员创新运用移动互联网业务，进一步增强移动互联网业务在社会上的影响力。社会经济环境同样能够影响移动互联网业务的扩散速度。如果一个社会具有一种敢于尝试、敢于接纳新鲜事物的开放环境，技术创新的扩散的速度也是不言而喻的；而一个社会的经济水平,将影响广大社会成员是否能承担接受新事物所需承担的相关费用，相对移动互联网业务来说包括终端设备费用、网络使用费用以及周边业务的资费,因此决定他们是否有能力成为潜在的移动互联网业务使用者。4基于Bass模型的移动互联网扩散趋势预测4.1Bass模型原理Bass模型表示一种创新产品在产生之后的扩散过程中，其扩散速度只受到两种信息传播方式影响。一个是潜在采纳者受到已采纳者的沟通交流等内部影响因素，称作口碑传播；另一个是通过如电视、促销宣传等外部影响因素了解这种创新产品，称作大众传媒传播。与之对应其潜在采纳者可被分成两个部分，即一部分人叫做模仿者，只受已采纳者口碑宣传的影响，另外的人叫做创新者，只受大众媒体的影响。模仿者和创新者两个采纳者数量之和就是购买者的总数，也就是这种创新产品的销售量。Bass模型的基本原理如下：(4.1)(4.2）其中，p和q的取值区间为[0，1]，p是创新系数，也就是代表外部影响系数，q称作模仿系数，表示内部影响系数。f(t)表示在t时刻购买创新产品的可能性，F(t)表示从0至t时刻采纳者的累积比例，且F(0)=0则可得到（4.3）M代表系统内最大市场潜量，在本文中表示移动互联网业务扩散过程中用户数量的潜在极值。同时从扩散开始0时刻到t时刻的累积采纳者数量用N(t)表示。那么（4.4）其对应的扩散图形如下图所示：N(t)M t图4.1Bass模型N(t)曲线图对于Bass模型，最终的预测精度与否将直接取决于p、q、m等参数的估计，但是预先确定合适的p、q、m取值在实际应用中是有一定的难度的，确定最佳的参数值需要选择合适的参数估计方法，比较普遍的有非线性最小二乘法、最小二乘法、适应性滤波极大似然估计法等参数估计方法，但是这些不同的参数估计方法最终得到的预测结果存在一定的差别。目前部分研究学者建议采用蚁群算法进行参数估计，与传统参数估计方法相比取得了更好的效果，但存在计算开销较大等弊端，也有研究使用遗传算法对Bass模型的参数进行估计，预测精度尽管相比之下有了很大的提高，但遗传算法总是包含大量的冗余迭代，严重影响求解速度，导致求精确解效率较低。本研究为加快收敛速度并进一步提高预测准确度，在Bass模型的参数估计过程中采用了改进的粒子群算法。4.2粒子群优化算法以粒子群优化算法为代表的群智能算法是在通过研究生物界中的群居动物协同觅食原理的基础之上创造出的算法。群智能算法群智能算法是一种新兴的演化计算技术，已引起越来越多研究者的重视和研究，具有比传统的算法更为突出的优点，且预测的过程简单快捷已在很多领域得到应用。粒子群优化算法自提出至今在各领域同样已有大量的运用，作为一种群智能算法具有简单、精度高、收敛快的特点。粒子群优化算法将每个个体视为是在多维空间中有速度地飞行且被当作质点的粒子，其粒子飞行速度依据个体和群体的飞行经历做动态调整，粒子在空间中飞行且一直以目前的搜索空间的最优粒子为方向。每个粒子代表一个可能解，粒子在搜索空间中飞行就是在寻找最优解。用适应度函数计算出的适应度值大小来衡量粒子当前位置的优劣，设Xi=(xi1,xi2,∙∙∙,xin)为粒子i在第n维空间中的当前位置，Vi=(vi1，vi2，∙∙∙,vin)为粒子i的当前飞行速度，Pi=(pi1,pi2,∙∙∙,pin)为个体最优解，即粒子i所到过的最好位置，Pg=(P1,P2,∙∙∙,Pn)为全局最优解，即所有粒子所到过的最好位置。在确定粒子i这两个最优值后，其位置和速度的更新公式分别如下式所示：Xij(t+1)=Xij(t)+Vij(t+1)(4.5)(4.6)其中Xij(t)表示在粒子i在第t次迭代时第j维空间中的位置，Vij(t)表示在粒子i第t次迭代时在第j维空间中的飞行速度。C1、C2用于衡量粒子向全局最优解和个体最优解飞行的速度快慢，称作学习因子，若取值较大则表示粒子向最优粒子靠近的速度较快，可以提高收敛速度；取值若较小则粒子向最优粒子靠近的速度较慢，使得收敛速度降低。C1和C2的取值的确定在目前没有明确的理论依据，粒子i一旦速度过快也有可能飞过最优粒子最终导致算法的求解精度降低，不过根据大量的研究成果一般情况下令C1=C2=2是比较科学的。r1、r2分别为区间[0，1]中的随机数字，n是解的维数。但是基本粒子群优化算法由于容易停滞在局部的收敛区域，导致种群多样性下降快，最终可能引起算法寻找不到全局最优解。为进一步避免这个问题，在飞行速度公式中引用了惯性权重这个参数，即将速度更新公式调整为：（4.7）其中w即表示惯性权重，同时将w设为一个线性递减的函数，按线性递减变化如下：（4.8）其中，t表示第t次迭代，tmax表示迭代的总次数，wmax表示w的最大值，wmin为w能够取得的最小值，w的取值范围一般在区间[0，1.4]中选取。惯性权重的应用显著改善了算法的收敛性能,极大的提高了收敛精度。较小的w能确保粒子具有较强的局部收敛能力，较大的w能保证粒子较好的全局搜索能力，所以惯性权重w能够平衡粒子的局部寻优能力和全局探索能力，同时迭代次数的增加使得惯性权重w不断减小，从而增强算法在前期的全局搜索能力，提高算法在后期的局部收敛能力。但是线性递减策略并不能完全描述w的变化过程,引用了惯性权重这个参数也存在一定不足。因为算法的真实寻优过程不是用简单的步骤组成的，在迭代前期，如果没有搜索到较优解，群体的多样性逐渐减弱，随着局部搜索能力的增强和全局搜索能力的减弱，算法收敛于局部最优的概率非常大，另外当前仍旧缺乏理论性的指导惯性权重的选择。相关研究表明相比线性递减策略，惯性权重的非线性变化策略可有效避免局部最优问题，能够更好的在粒子群前期的全局搜索能力和后期局部收敛的能力之间达到平衡，使算法收敛速度更快，在精度上和效率上都具有明显的优势。鉴于此，在相关研究学者的基础之上本文将w设计为一个非线性递减的函数，其下式所示：（4.9）其中，wmin取值为0.4，wmax取值为0.9，tmax为40。Bass模型的局限性在于模仿系数值、创新系数值和最大市场潜量值难以确定，本文，用改进的粒子群优化算法将这三个参数映射为一群粒子，进而对这群粒子进行寻优以得到最优解，从而可以解决模型参数难以确定的问题。4.3算法实现过程用改进的粒子群优化算法进行Bass模型参数寻优的步骤为：步骤1：设置算法的参数值。把Bass模型参数映射为一群粒子，对粒子群的种群大小、速度、随机位置、学习因子C1、C2和最大进化代数等参数进行初始设定；步骤2：由适应度函数计算获得粒子的适应值，本文采用的适应度函数如下式所示：（4.10）其中，i∈{1,2,…,n}，n表示预测值个数，xi表示样本值，xi′表示预测值；步骤3：对于每个粒子，将其曾经到过的最好位置Pi处的适应值同该粒子当前位置的适应值进行比对，如果前者值更高，则当前位置就成为粒子到达的最好位置；步骤4：对于每个粒子，将全局所有粒子曾经到过的最好位置Pg处的适应值与其当前位置的适应值做进行比对，如果后者值更低，则群体所有粒子到达的最好位置就是当前位置；步骤5：根据位置和速度的更新公式对粒子的位置和速度进行更新；步骤6：如果未达到结束条件，则返回步骤2，重复此项步骤直至满足算法结束条件；步骤7：将得到的最优参数值导进Bass模型，对业务扩散用户数量进行预测。4.4仿真结果与分析本次实验数据采集自某县2012年1月到2015年7月移动通信公司每月的用户中移动互联网用户，共计有43个数据。将数据分为两部分，前36个作为训练样本，后7个作为测试样本，将要预测该县移动通信公司的用户中移动互联网用户数量的增长趋势。粒子群的初始参数设置为：粒子个数为40，最大迭代次数是50，学习因子c1=2，c2=2，飞行空间维数为3，w∈[0.3,0.9]。Bass模型的初始参数设置为：p和q的区间为[0,1]，根据该县2014年有关单位统计数据显示，该县移动通讯设备普及率已达到95%，并且仍有增长的趋势，全县人口数量约为50万，未来人口还将继续增长，中国移动通信公司在该县的市场占有率约为70%，所以可设置该县的最大市场潜量m为区间[200000,350000]。为了能够检验算法的预测效果，本文选取高斯函数递减粒子群优化算法(GPSO)、正弦函数变化的粒子群优化算法(SPSO)、惯性权重线性递减粒子群优化算法(LPSO)的预测结果作为对比，预测结果如图4.2所示：图4.2预测示意图本文的误差评价指标采用均方根误差(RMSE)、平均绝对百分比误差(MAPE)，表达式分别如下式所示：（4.11）（4.12）其中，xi表示样本值，xi′表示预测值，i∈{1,2,…,n}，n表示预测值个数。各种算法的预测误差统计见表4.1：算法法参数pqmRMSEMAPEGPSO0.000650.079328879230626.41%SPSO0.000700.076925997435467.20%LPSO0.000820.0008222899738698.49%本文算法0.000530.077634894421585.67%（表4.1）对图4.2及表4.1进行分析：（1）采用各种算法的模型对原序列的拟合都较好，说明Bass模型很适合预测移动互联网的扩散趋势。（2）将GPSO、SPSO和LPSO同本文算法相比，可发现预测误差减少了，证明本文提出的惯性权重变化策略是可行的，说明非线性变化策略相比惯性权重的线性变化策略使算法具有更加均衡的局部收敛能力和全局搜索能力，可以更准确的估计Bass模型的参数。（3）将GPSO、SPSO与本文算法相比，与已有的改进算法相比本文提出的算法能够更准确的预测扩散趋势，具有更高的精度，说明本文的算法更适合解决Bass模型参数值难以确定的问题。本文通过粒子群优化算法的惯性权重非线性变化来估计Bass模型的最优参数，将优化Bass模型应用于研究移动互联网业务扩散趋势，并对样本数据建立模型进行了仿真达到了满意的预测效果。相比标准粒子群优化算法、高斯函数递减粒子群优化算法和正弦函数变化的粒子群优化算法，惯性权重非线性变化的粒子群优化算法具有更好的预测效果，证明可以通过得到优化后的Bass模型准确预测移动互联网业务的扩散趋势。5中国移动互联网发展建议本文对中国移动互联网行业发展提出了以下建议：第一,积极拓展新业务，挖掘用户需求。潜在采纳者对新业务的感知直接影响移动互联网业务发展,而用户需求则是业务扩散趋势的重要推动因素之一。因此,移动互联网业务提供商要不断提高服务质量,并把握时机扩散新业务才能吸引更多的潜在采纳者，移动互联网业务提供商同时应开发用户需求相适应的各种产品,只有积极挖掘满足消费者需求才能使潜在采纳者有意愿对新产品进行尝试,并迅速感知到产品的优越性从而采纳新业务，提高移动互联网业务的扩散速度,实现我国移动通信行业的快速发展。第二,移动互联网行业要进一步加强产品宣传力度。本文在研究过程中发现,对潜在采纳者自身而言通过大众媒体的宣传获得技术创新特性的感知才是我国移动互联网业务扩散的主要动力来源,而不是口碑传播。因此,在推广其产品的过程中,移动互联网业务提供商应通过有效地宣传手段加大产品宣传力度,使更多潜在采纳者了解移动互联网业务的优越性,加强潜在采纳者对于移动互联网业务创新特性的感知,从而采纳这项新业务。第三,通过政策支持推动我国移动互联网行业健康快速成长。移动互联网业务作为通信行业中引人瞩目的一类业务，市场潜力巨大,发展速度很快。移动互联网业务的快速扩散将带动我国通信业的综合效益提高,助力通信业的持续高速发展,进而促进我国国民经济的增长。因此,政府应积极鼓励移动互联网行业相关研究机构、企业努力扩大移动互联网在群众中的影响力,进行产品的创新研发,并合理地制定相关的法律法规政策促进移动互联网产业高速发展。另外,政府应加大监管力度,确保广大消费者享受到高效、优质、便捷的移动互联网服务,当前我国移动互联网正处于快速发展阶段,一定时期内仍然存在对社会安定产生不利影响的问题，如行业中的不正当竞争、消费者相关利益无法保障、互联网随意接入产生的虚假信息以及有害舆论的网络扩散等由于监管的不健全导致的众多问题。政府应对可能出现的问题进行有效防止，进一步加强移动互联网行业的监管力度,保证移动互联网行业快速健康发展。6结语本文研究预测移动互联网的扩散趋势旨在利用Bass创新扩散模型和粒子群优化算法进行，主要工作是对模型和算法的性能改进。首先介绍本文的选题背景、移动互联网的发展现状和研究预测工作的意义，分析Bass模型预测移动互联网的用户数量的理论基础。其次，详细阐述了模型和算法的基本理论知识和存在的问题，采用基本Bass模型和惯性权重非线性变化的粒子群优化算法来解决模型的参数难以确定的问题。实验表明Bass模型能够准确预测移动互联网用户数量增长趋势，改进后的算法具有较好的寻优性能。最后对我国移动互联网业务发展提出相关的建