在平台使用和实际运维过程中，经常发生指标已经劣化，平台使用人员和运维人员才知道的情况。本文基于神经网络模型，以PM数据为基础，对小区历史数据进行研究。通过LSTM探寻小区在历史时间段指标的变化规律，以实现对未来指标的合理预测，从而提前预警问题指标。研究中进行了数据清洗和深度学习框架选择，并建立了LSTM模型进行指标预测。模型训练后，可将平均干扰电平值的误差控制在0.3 dBm内，并能对小区平均干扰电平值进行预测。该研究具有广泛的应用前景，适用于PM数据中数值型字段所指的指标，且可使用不同时间粒度的PM数据进行预测。