近年来,人们不仅对网络的需求越来越大,而且对通信质量的要求也越来越高,如何在不提高通信成本的前提下应用现有的通信技术更好的为人们服务一直是通信运营商不懈追求的目标,同时也是通信科研工作人员的心头病,因而网络的优化就成为不可避免的重点研究课题。5G网络已经成为新一代通信网络,相比以往的2G、3G和4G网络,5G网络将会使用更高的频率和更宽的带宽,5G网络不仅仅增加了系统容量,还提高了通信效率,这也就意味着将会对通信衰减预测模型准确度的要求更高,模型的预测精度越高表明对无线网络的规划就越有利,本文研究的意义就在于如何提高模型预测精度。文中首先简要的阐述了无线电信号传播的三种机制:反射、绕射和散射以及相关的理论计算,为介绍微蜂窝的理论预测模型提供了依据,其次分析了信号在信道传播过程中衰减的主要原因有多径时延、障碍物阻挡和传播距离、多普勒频移等以及衰减类型阴影衰落、平坦衰落、频率选择性衰落和空间选择性衰落等。然后介绍了经典的微蜂窝预测模型,阐述了相应的经典微蜂窝预测模型适应场景以及对应的场景参数,分析了各模型的优势和不足之处。文中提高模型预测精度的方法是通过不断添加场景因子的方式,使得预测模型适应场景需求,从而达到提高模型预测精度的目的,文中最主要的就是对微蜂窝预测模型中典型的三种场景进行了分析研究,分别是:建筑物、地形、街道走向,将三种场景对信号传播的损耗进行修正。在建筑物损耗模型中,将面积占比和距离作为场景参数,将最小二乘法构建的Lee微蜂窝建筑物损耗模型与RF、GBRT算法构建的建筑物损耗模型进行对比分析;在地形场景中,将有效天线高度作为参数,分别使用三种方法计算收发两点间海拔高度差,对比分析计算得到的有效天线增益与实测数据的吻合程度,选择其中最优的计算方法来修正地形场景中衰减损耗;在街道走向场景中,将入射角和距离作为场景修正参数,并用RF、GBRT算法拟合数据比较分析,选择其中性能最优算法来预测信号传播预测的损耗。三个场景的数据拟合的验证结果表明:修正的场景模型的预测损耗结果与实际测试值吻合程度较高,实测值与预测值之间的最大误差、均方根误差RMSE以及决定系数R2的值都符合模型判别准则,最后将校正的场景预测模型整合到Lee微蜂窝预测模型中,经验证,改进Lee微蜂窝模型的预测结果80%的误差都在5dB之内,最大误差不超过7dB,与原Lee微蜂窝预测模型相比,模型预测结果精度提升了大约6dB,模型适应场景能力大大的增强。在文章的最后,本文针对实验过程中提取的场景参数,以及拟合数据时使用的不同算法,分析了文章在实验和数据处理过程中的得失,总结了不同场景的修正结果,并提出了下一步工作计划和前景展望。