目前第五代移动通信系统（The Fifth Generation Wireless System,5G）已投入商用,毫米波技术因其宽频带、窄波束、低延时、高速率等特性可以满足5G的数据传输要求,成为研究热点。隧道环境是人们出行交通的重要场景,是一个狭长受限的空间,电波传播在隧道中会经历多次反射、透射、绕射,从而产生明显的多径衰落,且会出现波导效应。由于支持向量机（Support Vector Machine,SVM）在解决小样本、非线性和高维度等问题上的优势,适用于预测多径衰落信道和矿井隧道,本文基于SVM在隧道环境下开展研究5G电波传播特性,同时采用遗传算法（Genetic Algorithm,GA）进行参数优化,有效提高了SVM算法模型的预测精度,可为5G毫米波隧道内信号覆盖提供理论依据。本文主要研究内容及贡献如下:（1）本文简述了在隧道环境下毫米波信道测量与建模的研究现状,以及机器学习在信道建模方面的应用,介绍了入射及反弹射线法/镜像法（Shooting and Bouncing Ray/Image,SBR/IM）、SVM的理论基础,并阐述了基于SVM用于预测隧道环境下传播特性的技术路线。（2）对长直隧道环境进行仿真,基于已知文献中的实测结果,采用SVM方法对路径损耗进行训练,同时基于遗传算法进行参数优化,结果表明参数优化后预测精度可以有效提高。对比分析SBR/IM方法、SVM方法、基于遗传算法的SVM方法三种方法下的预测结果,结果表明基于遗传算法的SVM方法用于路径损耗预测时有较高的预测精度。（3）仿真一个弯曲隧道环境,以首尔地铁8号线隧道为例,研究28 GHz下弯曲隧道的信道传播特性,包括接收功率、路径损耗和时延扩展。并用基于遗传算法优化的SVM方法进行传播特性建模,预测效果良好。使用K均值聚类算法（K-means Clustering Algorithm）进行分簇,簇和簇之间存在明显的分界线。（4）针对玄武湖隧道中人字形隧道环境进行仿真,对比视距（Line of Sight,Lo S）和非视距（None Line of Sight,NLo S）环境下的传播特性,研究大尺度衰落、小尺度衰落和多径成簇特性,并对Lo S和NLo S环境下的路径损耗进行建模,为隧道环境内毫米波信道建模提供依据。