本论文基于IP承载网运维系统发展滞后这一现状，根据IP承载网的实际需求，为了解决IP承载网通信业务和运维系统资源无法共享，对业务数据无法进行预测，尤其是运维人员无法提前排除故障，用户感知不能得到提高等问题，在现今IP承载网系统的基础上，把性能预测模块的理念引入到IP承载网之中。试图通过对性能预测模块核心算法的研究，为IP承载网运维系统的发展和进步创造一个良好的开端。首先，本论文针对IP承载网的结构和特点进行了解，并在此基础上针对IP承载网的核心问题——性能预测模块进行深入分析，结合实际应用，对IP承载网的性能预测模块进行设计，给出相应的整体框架，以及数据管理方式和数据组织结构，并详细介绍框架中各个子模块的功能、技术指标等，为IP承载网的性能预测奠定基础。其次，通过对神经网络尤其是贝叶斯MLP神经网络的学习，发现运用贝叶斯MLP神经网络在处理大量的实时数据时，具有较高的精准度以及合理的拟合度，同时还能够保证IP承载网的强泛化能力，这使得预测结果容易达到运营商的预期。为此尝试将贝叶斯MLP神经网络引入到IP承载网进行性能预测。并着手于对贝叶斯MLP神经网络的算法及流程设计，然后通过实验运用贝叶斯MLP神经网络对移动通信业务中接通率、拥塞率、负载三种样本数据的进行预测分析，得出了贝叶斯MLP神经网络在IP承载网性能预测方面的可行性结论。为进一步验证贝叶斯神经网络的准确性和可靠性。文中采用BP神经网络和RBF神经网络两种预测方法，对同样的样本数据分别进行预测实验，为确保实验严谨性，在对数据进行定性对比分析后又进行了定量对比分析，最终证实贝叶斯MLP神经网络在对IP承载网性能预测中确实准确可靠。最后，对本论文所完成的内容进行了简单总结，并且对下一步实验做出展望。