随着网络通信技术的飞速发展，5G与物联网广泛普及，传统网络监控手段难以应对复杂网络环境带来的诸多挑战。本研究提出基于深度学习的网络通信系统智能监控技术，采用“多输入、单输出”的方式对网络通信系统报警信息进行文本预测。结果表明：随着迭代次数增加，网络通信系统智能监控准确率及精度呈先快速增加，再逐渐趋于平缓，最后进入稳定状态的变化趋势，当迭代次数达1 200次时，基于深度学习的智能监控准确率和精度分别为98.9%和97.2%,较迭代次数100次时分别增加29.45%和21.04%。深度学习模型对数据传输错误故障、通信中断故障、应用程序响应时间延长的识别准确率均大于95%,且均大于蚁群算法和卷积神经网络算法。因此，将深度学习应用在网络通信系统智能监控中，可有效提高网络通信系统监控效率。