在目前蓬勃发展的通信事业中，蓄电池作为最后一道直流供电的屏障，其性能的优劣变得至关重要。随着规模的增大，蓄电池的使用和维护在很大程度上由于耗费大量的人力资源却一直没有得到政府的支持，导致蓄电池的性能远远没有达不到预期的目标，所以研究一种在线检测或者预测的技术就变得至关重要。由于VRLA蓄电池的性能指标参数较为复杂，并且在各个基站由于负载以及负载稳定度的不同，所以在线预测技术的准确度是人们一直在改进的目标。　　由于通信蓄电池实际放电电压并不符合普通的线性关系，所以采用神经网络模型对通信基站放电曲线的研究在一些工作条件下变得可行，本文选取了移动通信基站设备的放电数据，根据通信蓄电池放电的特性，对放电曲线进行了研究，选取合适的影响因素，使用BP神经网络与RBF神经网络算法对放电曲线拐点数据出现的电压值进行了无设备区别预测，以及通过有设备区别对放电时间进行预测，从而得出了工作人员在市电断电时，需要对通信蓄电池进行人工干预的准备时间长度，从而节省人力以及使工作人员更加合理地使用蓄电池，从而能保证通信基站供电的稳定性，减少国家的经济损失。