1.一种基于周期性依赖的话务量预测方法，其特征在于：所述方法包括以下步骤：步骤1：搜集话务中心的后台数据；对搜集的后台数据进行预处理，得到话务量；

步骤2：对话务量在不同的时间单位的周期性依赖进行特征提取；

步骤3：对提取的特征增加特征维度；

步骤4：将所有特征和对应的目标值输入到算法模型中，经过训练后得到稳定的模型；

步骤5：将话务量预测请求数据输入模型，得到话务量预测。

2.根据权利要求1所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述步骤1包括以下步骤：步骤1.1：搜集话务中心的后台数据，所述后台数据为任一时间段内的通话数据信息；

步骤1.2：对搜集的后台数据提取必要信息；

步骤1.3：基于必要信息计算话务量。

3.根据权利要求2所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述必要信息包括任一时间段开始的日期时间callDatetime、任一时间段内的来电总数callArrivals及任一时间段内的平均通话时长callDuration；所述话务量

4.根据权利要求3所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述任一时间段开始的日期时间callDatetime为一通来电的数据标识。

5.根据权利要求1所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述步骤2中，对话务量在不同的时间单位的周期性依赖进行特征提取，周期性依赖的所述特征包括年、月、日及所处时间段。

6.根据权利要求1所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述步骤3中，对提取的特征增加的维度包括特殊日期特征及线性效应特征。

7.根据权利要求6所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述特殊日期特征包括当前日期在一周中的比重、当前日期在一个月中的位置、是否为假期。

8.根据权利要求6所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述线性效应特征包括日内相关特征和日间相关特征；日内相关特征为当前时间段的前若干个时间段的话务量；日间相关特征为当前时间段的前若干天的相同时间段的话务量。

9.根据权利要求7所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述步骤5中，获得话务量预测请求数据，通过日期时间的计算获得周期性依赖特征及特殊日期特征，将周期性依赖特征及特殊日期特征输入到模型中，得到目标话务量值。

10.根据权利要求8所述的一种基于周期性依赖的话务量预测方法，其特征在于：所述步骤5中，获得话务量预测请求数据，通过日期时间的计算获得周期性依赖特征及特殊日期特征；请求前若干个时间段的话务量值及前若干天的相同时间段的话务量值，获得线性效应特征；将周期性依赖特征、特殊日期特征及线性效应特征输入到模型中，得到目标话务量值。