近几年来,移动通信正处于有史以来最快速的发展时期。随着各种新业务的涌现和用户数量的不断增加,各地运营商越来越关注移动通信网络的优化。高质量的网络优化,离不开准确的电波传播预测模型,一个相对精确的传播模型有助于准确估算网络的覆盖情况,可以为后续的网络优化提供有力的理论依据。移动通信的无线传播环境复杂,差异性大,必须通过实际的传播模型测试与校正,得到真实反映无线传播特性的传播模型。本文首先简单介绍了移动通信网络优化技术,主要包括了网络优化的目标,内容和流程。同时在研究无线电波传播特性的基础上,分析了几种移动通信中常用的电波传播模型。传统的经验模型具有良好的适用性,并且计算简单,在处理复杂的传播环境时,这类模型的预测准确度不太理想。近几年,研究发现人工神经网络在进行传播模型预测的时候,有强大的非线性拟合能力。在充分研究经典和现代的传播模型校正方法的基础上,结合了HATA模型和神经网络模型的优点,提出了一种基于BP(Back Propagation)神经网络的,通过HATA传播模型自适应分类的校正算法。同时以南方某省的CDMA网络优化的项目为例,选取了该省多个区域进行了传播模型的校正,在与其它算法相比较的基础上对该算法做了一些性能分析。研究结果表明,本文所提出的模型校正的方法不但精确度更高,而且具有更好的非线性拟合能力,对环境的适用性更强。最后,设计了一个初步的网络优化系统,用所提出的算法进行传播模型校正,继而实施覆盖评估,并在预测的基础上对一些区域进行了网络优化,验证了算法的实用性。为该地区CDMA网络的实际优化调整提供了有价值的参考依据,具有一定的现实的意义。