现今城市轨道交通具有高速、高密度的特点,要求无线通信系统具备安全、高效、传输速率高等性能。在实际应用中,不可避免会出现列车控制系统因为网络质量差或者外界干扰导致列车紧急制动,造成列车延误的情况。因此识别网络故障原因,实现对网络状态质量的实时评估与对未来网络质量的预测能够在一定程度上提升通信系统性能,保障列控信息的安全传输。本文主要针对LTE-M车地无线通信系统网络状态质量评估与预测进行研究。首先介绍本课题的研究背景与意义,对城市轨道交通通信系统国内外研究现状进行分析。列取行业内对于LTE-M承载的业务需求与传输性能要求。根据LTE的技术特点与系统网络性能要求选取能直接反映网络状态质量的关键性能指标并分析影响网络状态质量的因素。通过对站轨距、站间距等参数的优化分析,还有调度算法、切换算法等算法之间的性能比较,结合系统需求与实际场景,基于ns-3网络模拟器搭建适应于LTE-M通信系统的仿真场景。然后采集各项KPI数据进行统计并分析其网络性能。在场景搭建完成的基础上,结合对网络质量因素的分析,配置相关参数设置。模拟设备老化,或者突发状况带来的功率故障、天线故障、干扰等场景。基于支持向量机进行参数寻优,获得最优参数对并验证分类准确度,之后对KPI数据进行分类,实现对网络状态质量的评估并给出故障解决措施。最后采用深度学习的预测方法,充分利用KPI数据跟时间序列的相关性,实现对未来网络状态质量的预测优化。发现潜在故障风险,实现性能异常预警与趋势预警,提升系统性能。