在电信网运营中，电信话务信息至关重要，因为它提供了电信网硬件建设、设备更新、故障维护、话务调度、资源分配的决策依据，更重要的是能通过它分析出其它运营商的用户扩张和话务收入。所以，对电信话务进行监测、分析和挖掘，能帮助管理者做出正确决策，指导网络的扩容和优化，保证电信网健康、安全的运营，具有重大的社会和经济意义。本课题针对传统电信话务监测、分析的不足，实现了一个电信话务监测分析和挖掘系统。利用机器学习的方法，对电信话务量作智能预测并对故障产生的类型做智能判断，为电信网运营走向智能化提供了一种高效的模式。本文主要围绕该系统的功能实现及系统所涉及的关键技术和方法进行研究和探讨。主要研究内容为：系统建构过程中的软件工程方法、基于k-最近邻算法的话务信息智能预测算法、基于朴素贝叶斯方法的故障判断技术。系统采用基于ASP的三层体系结构，采用模块化设计方法，将其划分为用户权限管理、故障判断和处理和话务报表分析与挖掘三个子系统，选择面向对象的、易于扩展的ASP.NET2.0编程语言环境及Sql Server 2005数据库来实现以上功能。本研究提出了基于k-最近邻算法的话务信息智能预测算法，该算法对话务数据进行处理形成输入实例，并采用特征加权的距离度量，能有效而准确地预测话务信息。本研究提出了基于朴素贝叶斯方法的故障判断技术，该技术采用基于向量空间模型将故障描述分解为多个特征，利用贝叶斯方法对各种可能的故障类型出现的概率进行计算，从而能够较准确地判断故障类型并给出各种故障类型的可能性。