为了准确分析通信网络的数据特征，保证数据质量，提出了一种基于深度学习的通信网络数据关键特征挖掘方法。选择接入率、可用性、覆盖率等七个指标作为通信网络质量的核心性能指标。将卷积神经网络神经网络和径向基函数神经网络相结合，构建了一个深度学习网络结构。性能指标用作标签参数，标签参数的聚类和求和结果用作深度网络的标签数据。标签数据通过前向传播输入到卷积神经网络的输入层，经过不同隐藏层到输出层位置的变换和映射，使用量子粒子群算法求解深度学习网络的最优参数，并输出通信网络数据关键特征的挖掘结果。实验结果表明，该方法的关键特征挖掘率在95%以上，能够准确预测未来短时间内的通信网络质量。