近年来，移动互联网和智能终端呈现爆发式发展，各种应用层出不穷。伴随着业务的多样性和用户数量的不断增大，电信行业的投诉频度也急剧增长。用户投诉处理是移动网络运营商（以下简称运营商）服务工作中尤为重要的环节，是网络日常维护中不可缺少的部分，同时也是运营商发现问题和提升移动网络质量的重要途径。因此，提高电信服务质量，使用户满意度持续上升，不断减少客户投诉将是电信运营商的工作重点之一。　　同时，随着信息技术的迅速发展，运营商已经积累与沉淀了大量的数据。激增的数据蕴含着许多重要的信息，但是目前尚缺乏对这些数据信息的有效利用。如何从纷繁复杂的投诉数据中发现问题，及时预测业务中将会出现的问题，防患于未然，是运营商面对的新问题。因此，我们拟采用数据挖掘技术，利用数据信息搭建预测模型，对客户投诉进行有效预测，以便更好地利用这些数据信息为运营商提供决策支撑。　　考虑到投诉行为与网络故障，网络临时状况乃至人类行为特性有着密切的关联，本研究基于客户投诉数据、网络性能数据、网络告警数据，提出一种移动网络中突发投诉预测系统，利用数据挖掘技术，找到客户投诉与网络内部数据的相关性，预测在未来的时间窗内是否有突发投诉发生。　　整个突发投诉预测系统包括数据预处理和模型搭建两个部分。首先通过投诉分析，结合投诉与性能数据、告警数据的相关性分析，筛选出建模所需的指标。然后进入数据预处理部分生成用于模型搭建所需数据集，之后进入模型搭建部分，利用随机森林算法搭建预测模型，对突发投诉进行预测，最后利用 K重交叉验证方法对模型进行评估，分别从特征时间窗参数、预测时间窗参数、重采样率，随机森林参数进行评估。评估结果表明，所建预测系统能达到较好的预测效果，准确率（precision）可以达到80%，召回率（recall）可以达到60%。