随着移动通信技术的迅猛发展,人们对于通信网络的需求、依赖程度日益提高,与此同时对于通信网络所提供各种业务的服务质量的要求也在与日俱增。传统的网络架构已经难以承受越来越庞大的网络负载压力,异构无线网络应运而生。随着无线网络框架结构日渐繁杂,对异构网络服务水平的分析与研究工作都产生了一定的挑战。针对这一问题,本文在异构无线网络服务性能方面进行了分析与建模研究,在理论算法和实际应用场景层面分别都取得了一定的成果。本文的主要贡献如下:(1)针对异构无线网络中可能出现的小区高负荷情况,本文研究了高负荷小区的分类预测问题。提出了一种基于距离阈值的改进k近邻(k NearestNeighbor,kNN)算法,并且使用该算法对实际场景中的小区负荷情况进行预测。最后将预测结果在实际地图上进行可视化。实验分析表明,相较于传统的kNN算法,该改进算法可以显著降低算法的计算量,减少运行时间,提升对于高负荷小区的预测效率。(2)针对用户满意度预测的研究,本文首先比较了基于相关分析与因果分析的两大类模型在满意度预测准确性上的差别,然后在满意度预测的基础上重点研究如何从众多的服务质量(Quality of Service,QoS)中找出对于用户满意度影响程度最大的QoS。本文对原有的因果分析算法进行参数求解的改进,仿真结果表明该改进算法可以准确找到对于用户满意度影响程度最大的QoS,协助运营商在网络运维资源有限的前提下尽可能多的提升用户满意度。(3)针对基于用户满意度的网络服务质量建模的研究,尤其是在宏微基站异构的网络环境下的建模,本文创新性的提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆(Long Short Term Memory,LSTM)结合的算法,用来有针对性地进行宏微站异构网络中QoS与用户体验质量(Quality ofExperience,QoE)的映射模型构建。仿真结果显示在多种仿真参数不同的异构网络场景下,该模型相较于传统映射模型在映射精确性上都有着明显的优势。