在第五代无线网络(简称5G)中,由于严格的服务性能要求,预测服务可靠性至关重要。通过结合人工智能和机器学习,下一代蜂窝系统将可以实现先进的数据分析技术,从而达到高效的服务质量管理和网络自动化。基于该思想,本文提出了一种含有可靠性计算的无线服务模型,它通过使用贝叶斯网络(Bayesian Network,BN)来紧凑地表示联合概率分布。本文首先描述无线网络的建模,以进行数据采集和机器学习算法的输入数据的生成,然后描述如何应用贝叶斯网络表示来提供可行的计算过程,从而解决了这一预测问题。在所研究的贝叶斯网络学习阶段,基站的负荷、用户位置和移动速度等特征都影响用户的接收信噪比(SNR)和信号干扰+噪声比(SINR),试验结果是移动用户的吞吐量满足阈值的概率或者次数。计算机模拟结果表明,低速移动条件下模型可以很好地预测网络服务可靠性,并推断网络的隐藏状态。针对无线信道中的阴影效应对蜂窝小区中的终端用户链路质量的影响,本文提出了一种带有隐藏节点的贝叶斯网络解决可靠性预测的方案。在终端用户移动过程中,无线系统通常要进行实时的数据采集。在阴影区域内,接收信噪比可能低于一个预定的阈值或者造成信号的中断,此时采集系统获取的数据将变得不完整。因此通过使用EM(Expectation Maximization)算法来进行网络的参数学习。计算机仿真结果表明,对于移动轨迹上的阴影区域,带有隐藏节点的贝叶斯网络服务模型可以很好地完成预测并推断网络的隐藏状态,进而实现高效的网络可靠性服务和自动化。