中国的高速铁路目前正以令人惊异的速度发展。在铁路发展初期,人们主要关注铁路基础设施的建设。然而,随着列车运行速度的提升,传统的调度通信方式已不能满足列车安全运行的要求。GSM-R (GSM for Railway)是CTCS-3 (China Train Control System Level Three)规定的铁路专用移动通信系统,支持的列车运行时速为300-500 km/h。在高速运行的环境下,调度通信是列车安全运行的重要保证。在GSM-R系统中,越区切换引起的掉话占系统总掉话的40%,因此研究越区切换的优化策略具有重要意义。在对越区切换事件的分析中发现,在网络参数不满足通信要求的情况下,常常发生切换失败,并且网络参数的取值区间具有统计规律。本文研究了基于Apriori算法和Hotspot算法的越区切换事件关联规则挖掘,挖掘出与越区切换事件强关联的网络参数取值区间,并且从电磁波传播理论的角度分析与解释越区切换事件和网络参数取值区间的强关联特性。l本文提出了满意通信概率模型,对接收信号电平、“基站-移动台”的距离、列车运行速度等越区切换事件的强关联参数建立了满意通信概率模型。为了寻找具有最优满意通信概率的切换判决输出,本文提出了基于BP神经网络切换算法,以接收信号电平、“基站-移动台”的距离、列车运行速度作为神经网络的输入,神经网络输出具有最优满意通信概率的切换判决。由于在具有最优满意通信概率的切换点进行切换,所以有效地提高了满意通信概率,增加了切换成功率。在越区切换事件关联规则挖掘结果中,网络参数的强关联取值区间符合电磁波传播理论,并且分析得出切换故障诊断信息。本文在满意通信概率模型下,对传统切换算法、基于位置预测切换算法、基于中继站辅助切换方法和基于BP神经网络切换算法进行仿真对比。实验结果表明,在列车运行速度为350 km/h时,基于BP神经网络切换算法比传统切换算法的不满意通信概率平均降低了41.1%。与基于位置预测切换算法、基于中继站辅助切换方法相比,本文提出的算法具有不满意通信概率低、安装与维护成本低的特点。