呼叫中心目前已经成为现代企业运营的重要组成部分，是各企业与用户之间联系的重要渠道。随着IP语音解决方案的不断发展，基于IP的呼叫中心系统已经逐渐成为目前各运营商及企业呼叫中心主流。IP呼叫中心系统可以采用全分布式的网络结构，实现远程、多点、虚拟的呼叫中心，只要在系统网络可达位置均可实现坐席人员办公，不必局限于固定的物理位置，从而实现了真正的移动办公功能。
呼叫中心一般包括自动业务和人工业务两部分，为用户提供业务咨询、受理、业务查询、投诉建议等服务。为了充分利用呼叫中心人员及设备使用率，节约投资成本，需要对呼叫中心的话务结构进行精确预测。
呼叫中心的话务量随时间变化非常大，同时受多种因素的影响，变化不规则，用简单的方法难以进行预测。但是它也是具有一定的变化规律，需要根据目前企业的市场容量和发展速度来预测规划期内用户数，然后对目前用户使用呼叫中心可能需求次数，需要用科学的方法进行分析，找出影响因素，建立预测模型和方法。
话务预测方法
分析预测法
分析预测法的概念是制作一个与事情过程有关的数学模型，它包括所有因素。国外有几个运营商已经成功的使用分析法进行预测，包括法国电信和沃达丰等。分析模型对高层管理作出经营战略是很重要的，也由于涉及公司经营上的密码，各个运营商应用时的具体组成因素相当保密。
技术预测法
技术预测法是排除了确定参数影响问题的方法，把这一问题留给自我学习系统（人工智能领域使用的）。
模拟预测法也是一种技术预测法，其配置相关的简单数学模型，模型是量身定做的，它可以得到预测和推断未来的数据。这种数学模型可以用简单函数构建或者通过随机过程来模拟，其中比较典型的如ARMA模型，ARMA模型能够较好地描述时间序列，但是其缺点是预测速度慢。
基于ARMA模型的预测模型
ARMA方法是一种精度比较高的短期线性预测方法，它适用于各种类型的时间序列，使用这一模型的关键是找到最优的预测模型。在建模的过程中，针对不同维数的输入向量建立相应的预测模型，通过误差分析选取最优的预测模型。从以上的结果表明，最优ARMA模型（输入向量为25维）在短期内的预测值跟真实值基本一致。此外，ARMA模型的训练过程较快，但是其预测过程比较慢。
基于BP模型的预测模型
随着输入层节点和隐含层节点的数目增加，BP神经网络的训练时间明显增长，但其预测性能并不一定增强，这可能由于太复杂的网络容易引起过度拟合，从而推广能力变差。通过以上实验选取了5个输入层节点和15层隐含层节点的三层网络结构，该网络输入层和隐含层的节点并不多，而预测性能则是最优的。
