数据挖掘是一种面向信息智能、处理海量数据的应用技术,具有如关联分析、预测、分类和聚类等多种功能,目的是在众多的信息中分析研究对象的内在规律,从而提取出有价值的信息。本文对数据挖掘在移动通信网络优化中的应用进行了研究,提出了话务量预测模型和应用聚类方法分析质差小区的设计方案并给出了优化的思路。论文介绍了网络优化的相关知识与流程,总结了目前常用的数据挖掘技术,探讨数据挖掘技术在移动通信网络优化中的应用范围。首先针对节假日忙时话务量进行分析预测,根据话务量易受多种因素的影响这一特点,用关联分析的方法找出关联度较大的影响因子,提出基于支持向量机的多因素灰色话务量预测模型。先用多因素灰色模型预测话务量的基本规律,然后再用支持向量机模型对预测误差进行修正。其次,为进一步提高预测精度,给出了改进方案,选取拥有较强的敛散性和全局寻优能力的复高斯小波核函数优化向量机,仿真结果表明该模型在原有模型的基础上再次提高了预测精度。最后,本文提出用数据挖掘技术中的层次聚类方法对小区性能进行划分,通过样本聚类迅速定位到性能较差的小区,再根据变量聚类分析导致小区性能差的各项指标之间的关联度,针对性地制定优化方案。