随着通信行业的不断发展和智能移动终端用户规模的不断壮大,移动通信网络维护和监控成为运营商重点关注的对象。传统的网络优化和维护模式往往是通过一堆数据报表人工寻找问题再进行维护,这种工作方式不仅耗时耗力也难以发现网络问题。数据挖掘技术的发展和数据可视化技术的兴起为智能网络优化提供了可能。通过对当前网络质量进行评估并对未来网络负载情况进行推测,及时在可视化地图界面上进行问题呈现,能够有效的提高移动通信网络运维工作者的响应速度,提高工作效率。本论文依托于珠海移动PM2.5网络智能管理项目,引入地理网格优化单元,为移动运营商的网络优化方式提供了新思路,此外,对业务数据的未来趋势进行预测,以便网络维护部门能够对当前网络负载有更好的监控。本文的主要创新点有以下几点:1、建立地理网格网络质量评估模型,可综合评估网格的网络运行情况和维护重要程度,能够有效指导网络工作人员维护优先顺序。模型中包含地理位置与小区覆盖关系的计算,并结合基站覆盖面积、地理位置场景属性、基站重要程度等影响因素。2、结合神经网络对传统的Okumura-Hata和COST-231-Hata传播模型进行改进,新模型可以适用于城市中多种场景,并能提高了估算准确率。3、在业务量预测方面,提出了一种由经验模态分解(EMD)和支持向量回归(SVR)结合的多特征数据预测模型,通过加入多维环境因素(如天气、节假日、新闻热度等)作为预测特征,能够对有效提高了数据预测的准确率。4、对传统网格搜索算法进行改进,提出能够自适应调整搜索范围和步长的网格循环搜索方法,该方法能够较快找到SVR最优参数。