目前,移动通信技术高度发展和ICT (Information Communications Technol-ogy)产业逐渐成熟带来了以智能手机和智能应用为代表的移动通信市场的爆发式增长。可以预见的是,移动通信网络的负载量在未来将保持高速增长,为了保证用户的QoS (Quality of Service)需求,移动通信网络将面临挑战。近年来,数据挖掘技术取得的一系列成功案例凸显出数据中蕴含的巨大价值,大数据技术随之兴起并得到社会各界的广泛重视。因此移动通信网络中的类型众多、格式各异的海量数据对科研学者及运营商而言也是机遇,利用移动通信网络大数据分析可以对网络架构设计、协议改进、运营优化等诸多方面提供指导。故而移动通信网络大数据分析开始受到多方面的关注而成为一个热点。在移动通信网络大数据分析开始兴起的背景之下,本文基于一个实际测量得到的移动通信网络基站负载数据集对移动通信网络数据分析与预测进行了研究与探索。在研究内容上,本文进行了大规模移动通信网络基站负载数据分析和基站负载预测技术两个方面的考察。在基站负载数据分析上,本文采用多种分析方法和技术从多角度对移动通信网络的特性进行了考察。首先利用累积分布函数对网络整体和基站个体的负载分布情况进行了分析,验证了负载分布的不均衡及基站间的差异性。在时间维度上,基于时间序列自相关的方法发现了大多数基站负载的不平稳及内在周期模式。在空间维度上,基于Moran指数的全局空间相关性分析发现了基站负载空间演变重复现象并利用LISA聚类图对基站负载在局部空间的不平稳现象进行了挖掘。最后通过对基站进行聚类分析得到了具有不同模式的基站类型,结合基站空间位置映射对特殊群体进行了识别。目前对移动通信网络数据直接应用较多的方向是利用测量数据完成对未来负载的预测。本文提出了一种引入相邻基站历史信息进行基站负载预测的方案,其中选择了支持向量回归作为基本预测模型,并利用粒子群算法进行模型参数设定。在引入相邻基站历史信息中通过网格搜索和测试寻优完成对近邻基站集合与回溯阶数的设定。基于实际数据集的测试中,改进预测方案取得了比原始预测方案更优的性能。这种近邻辅助的基站负载预测方案可以应用到基于负载预测的基站休眠节能相关策略中。本文基于基站负载分析的相关结论可以提升人们对于移动通信网络的认知,同时相关分析方法也可以应用到其他移动通信网络数据集的分析工作之中。基站负载预测改进方案对基于负载预测的基站休眠节能相关策略的应用具有意义。