5G传输网需要基于现有的4G传输网进行演化。在演化过程中,由于基站升级和人们对网络需求的增长,传输网中的部分节点接入流量过大,导致包含该类节点的接入网负载过高,使整个传输网络出现负载不均衡问题。在这种情况下,改变现有基站之间的拓扑连接关系,将高负载网络中的节点让渡给低负载网络,是一种成本较低、耗时较短的网络负载均衡优化方法。本文为了解决负载不均衡问题,研究拓扑优化算法来充分探索拓扑解空间,并且为了保证优化后的拓扑结构在未来的使用中持续有效,拓扑优化算法评估拓扑不能只基于历史数据,还要考虑未来流量变化趋势,所以需要研究流量预测。本文使用真实电信网络的拓扑数据和流量数据,设计了一套基于时空预测的传输网拓扑优化系统,该系统使用历史网络流量和网络拓扑中的空间信息来预测节点的未来流量。系统以预测流量和历史流量作为拓扑优化的依据,使用遗传算法探索拓扑解空间,寻找负载均衡的网络拓扑。本文主要贡献如下:（1）本文提出在传输网中使用时空预测,并考虑到目前的时空流量预测模型在衡量具有全局相似、局部相异特征的流量时序相似性时,缺少有效手段,导致流量预测不准确。为此,本文创新性地在时空流量预测模型中使用动态时间规整来计算两个流量序列的相似距离。该方法通过自动扭曲时间轴计算最小相似距离,解决了局部相异所导致的相似距离无法正确反映相似性的问题。实验结果表明:在传输网中,相比较于传统非时空预测模型,本文提出时空预测模型提升了预测准确度6.7%。（2）本文提出了基于随机让渡节点的遗传算法,解决了传统遗传算法的随机连边所导致的传输网节点连边违反约束条件的问题。本文提出的遗传算法在遵循约束条件的情况下全局搜索解空间。接着,通过将节点分层分类,构建等效节点集合,降低节点间依赖性,辅助遗传算法。最后,设计了堆栈式深度优先算法和递归式去冗余算法将整个拓扑划分成数个子网络,为拓扑优化算法提供基础。这些方法最终在真实大规模网络拓扑上成功实现了网络优化。实验结果表明:随机让渡节点的遗传算法优化的拓扑比启发式让渡节点算法优化的拓扑,负载均衡指标提升了8.4%。（3）综合上述两个方法,本文成功实现了一套基于时空流量预测的真实5G传输网拓扑优化系统。实验结果表明,相比较于原网络拓扑,该系统优化后的网络拓扑,在承载历史流量和未来预测流量情况下,负载均衡指标提高7.05%,证明了本论文提出的基于时空预测的网络拓扑优化系统的有效性。图26幅,表10个,参考文献41篇。