如何高效全面地分析LTE通信网络的运行状态、衡量用户体验是4G移动通信系统应用以来运营商最注的问题之一。传统的网络分析手段有路测、定点测试与用户投诉三种方式,但这些方法在实施中存在效率低、成本高等问题,难以满足网络分析与优化的需求。基于MR测量报告数据的网络分析方法能够有效的弥补这些不足。MR是LTE通信系统的一个重要组成部分,通过基站/移动终端采集大量数据,数据种类涉及网络状态、地理信息、资源分配、业务体验等多个方面,因此针对MR数据进行网络分析的研究已经逐渐成为当今研究热点。目前MR数据的相关研究还处于起步阶段,主要利用MR统计数据进行简单分析,研究问题包括网络覆盖分析、用户体验分析、与定位方法研究等。本文从时间维度入手,将MR数据中的不同类型数据转换成为时间序列,通过研究该时间序列的时间相关性,进行MR数据预测。MR数据预测不仅可以有效补充系统未开放时间段的数据,而且能够提前发现网络中的潜在问题,达到预警的目的。本文的主要工作包括:1、针对北京某小区采集的MR数据文件,提出了MRS与MRO文件中数据的提取方案,以及将MR中多种参数转化成为时间序列的计算模型。2、在考察时间序列分析方法基础上,针对MR数据提出了两种预测方法,分别利用ARIMA模型与LSTM模型对北京某小区经过处理后的RSRP时间序列数据进行预测。实验结果表明,ARIMA在短期内的预测结果良好,可以作为数据插值的依据,但是在长期预测上误差较大;基于LSTM的预测方法能够更好的对RSRP进行长时预测,具有较低的预测误差和较为稳定的泛化能力,并适用于MR中的一些其他参数。