随着移动通信技术的飞速发展,人们在享受信息时代的便利的同时,也受到了各种通信带来的困扰。某些地区信号强度差,无法使用有效的通信业务;电磁辐射对健康的影响也越来越被公众关注。相比于以往的2G和3G通信网络,目前所使用的4G网络以更高的频段,进行带宽更宽的通信业务。5G网络也已经提上日程,即将成为新一带的通信网络,将会使用更高的频率和更宽的带宽。实验研究表明,4G网络信号的传播,比起2G和3G,更易受到信道环境的影响,因此对4G信号的衰减预测精准度的要求也更加严苛。一个预测精准的传播模型,将会对无线网络的构建提供巨大的参考价值。本文首先介绍了对无线衰减机制的理论研究,通过对无线信号在无线环境中的传播方式,以及无线信道中的干扰因素的研究,分析了造成信号衰减的主要原因以及信号衰减的基本类型。其次介绍了目前应用较广的衰减预测模型,分析比较了各种模型的优劣以及适用范围。然后介绍了本文中用来拟合数据的4种算法:基于最小二乘法的和L2正则的岭回归、决策树算法、XGBoost算法以及基于插值法的支持向量机算法。针对不同的拟合数据集,不同算法的拟合结果不尽相同,在对比实际的拟合结果与实际实验数据的差异之前,难以判断各个算法的优劣,因此将在后文中比较各个算法的拟合结果,来选取拟合效果最佳的算法。在对场景因素修正的过程中,本文选择了阴雨天气、树林和拥堵人群三个场景。实验过程中,首先对Lee微蜂窝模型应用于兰州市安宁区无线信号衰减预测结果进行了验证,通过分析该模型的预测结果,并结合实际确定了场景修正方案。通过对特定场景中的数据的采集,用其中80%的数据进行拟合,用其中20%的数据进行拟合结果的验证,分别比较了四种算法在不同场景中的拟合结果,选择其中拟合结果最好的算法作为特定场景下的模型修正算法。数据拟合的验证结果表明,修正结果基本符合实际场景的测试结果,预测误差和误差的标准差均在可以接收的范围之内。场景的修正结果可以有效地应用于针对不同场景预测模型的修正,从而修正因场景因素造成的信号衰减。修正后的预测模型可以对无线通信网络规划和现有网络的优化提供指导和参考。本文的核心工作是,针对不同场景特征提取量化场景参数,以及在采集大量实测数据的基础上,对场景参数进行拟合,提出在该场景中模型预测的修正因子。在文章的最后,本文针对实验过程中提取的场景参数,以及拟合数据时使用的不同算法,分析了文章在实验和数据处理过程中的得失,总结了不同场景的修正结果,并提出了下一步工作计划和前景展望。