网络优化是一项贯穿网络运营始终的工作。通过采集OMC统计数据、DT/CQT数据、用户投诉数据和告警信息,并对这些数据加以分析,可以发现网络故障并加以排除,从而实现保证网络性能、提高用户满意度这一目标。然而,随着移动通信事业的快速发展,人们对于业务种类及质量的要求越来越高。与此同时,各地区不断增多的用户群体数也加重了网络的负荷。在这样的背景下,传统的网络维护与优化工作遭遇了新的挑战。为了解决上述问题,我们期望在传统的网络优化工作中引入先进技术,从而更加可靠且高效地完成网优工作。随着信息化社会的发展,各行各业都存储了海量数据。数据挖掘技术可以充分利用这些数据并从中寻找到有用信息。它具有如关联分析、预测、分类和聚类等多种功能。我们可以利用这些功能处理海量数据,找出数据间所包含的潜在信息。论文首先详细介绍了传统网络优化的流程和工作中涉及的统计指标和无线参数,并说明如何利用这些数据来分析网络当前性能、定位网络问题。而后说明传统网络优化的缺点和不足,并对数据挖掘技术应用于网络优化工作进行了可行性分析。笔者利用数据挖掘技术中的回归分析功能来预测话务量的发展趋势。文中说明了话务预测的具体流程,并介绍了真实数据的处理方法,对现有数据进行建模,最终通过模型预测短期内的话务变化。接下来,笔者讨论了如何发现某基站下性能较差的小区。文中首先说明传统方式的滞后性,并提出用数据挖掘技术中的聚类功能对小区性能进行划分,找出其中质量较差的小区。该方法高效、及时,具有较强的推广价值。而后,笔者研究如何利用数据挖掘中的分类的功能分析网络故障原因。文中结合真实案例进行说明,对处理结果进行了详尽的分析。论文最后分析了网络优化工作中可应用该技术的切入点,对数据挖掘技术在网络优化工作中的应用进行了展望。