随着通信设备数量的爆炸式增长,用户对通信服务质量的要求越来越高。而光纤通信因其具有高速率、高带宽、保密性能优良等特点已成为当前最为主流的有线通信方式。在世界各地,越来越多的光纤网络应用于建设通信基础设施之中,而且近年来很多网络运营商直接提供光纤到户的服务,光纤网络的复杂度急剧性地增大,使得对光纤网络意外故障等问题的监测难度越来越大。为了分析网络状况,数据库中已经积累了海量的监测数据,而且这些数据还在不断地增加,为了使得光纤网络自动监测系统具有更加准确的定位故障与处理海量动态数据的能力,需要对光纤网络中的基础设施及设备(例如:局站、光缆、人井、标石、接头、人井标石间的光缆段、保护装置、告警信息)进行建模,构建GIS系统,使得光纤网络的基础设施的管理更加便捷,且定位更加精准,减少故障修复时间。而对于存储的历史监测数据与实时产生的当前监测数据,传统的数据分析方法难以快速地处理如此大规模的数据,本文结合当前一些利用机器学习的算法(例如SVM、MLP等),使得系统能够快速地处理大量数据,系统更加智能化。本文致力于使得光纤网络自动监测系统更加高效、智能,主要对以下几点内容进行研究,首先详细分析了当前所面临的光缆主要故障的种类,主要的光缆监测技术,并简要介绍了GIS技术以及介绍了本文使用的几种机器学习算法,并指出了当前光缆监测系统的不足之处;其次对光缆网络中的设施进行建模,设计并实现了基于GIS故障定位显示功能;最后,将上述二者融合与一个系统之中,实现了一个完整的基于GIS的光缆线路故障监测系统。