网络流量模型是对网络流量的拟合。流量模型不仅要拟合原始流量，而且还能有效地预测一段时间的流量。一些传统模型通常是在假定网络流量符合线性关系基础上进行拟合的，但实际上网络流量的数据包含了很多非线性因素，其随着时间的变化线性规律表现并不明显。本文围绕如何准确拟合网络流量模型这一目标，在时间序列预测理论和人工神经网络理论的基础上，设计了基于多重组合算法的非线性神经网络流量模型，给出了该模型的数学算法和实现方法。在实际的网络流量环境中应用该模型，可以获得较高的预测精确度和较强的适应能力。另外，本文在流量模型的基础上，利用边界值对网络流量的异常变化进行检测。该方法以模型的流量数据为基础，运用流量数据的标准差建立正常范围，进行异常检测。流量一旦超出规定的范围就提供流量报警，随之进行人工干预，并采取措施，以避免或减轻对网络服务质量的影响。此方法取得了较好的网络管理效果。