随着无线传感器网络技术的快速发展，传感器网络网络开始承载越来越多的应用服务，这对网络的服务质量、流量控制和网络管理均提出了很高的要求。无线传感器网络具有开放的环境、动态变化的拓扑结构和资源受限的节点等特点，这些独特的网络特性对传感器网络的有效性产生了双面影响，一方面传感器网络具有开放的环境，应用领域及应用场景灵活多变，容易满足各种不同需求，另一方面传感器节点随意布撒，不便更换，一个节点失效将可能导致整个网络性能急剧下降。因此，当传感器网络被应用于具有重要使命的场景中时，如何迅速、准确地检测出流量异常或预测下一个有效数据，建立一个合适的流量预测模型显得极为重要。不但可以预测流量行为趋势、减少能量消耗，更能应用于拥塞控制、环境监控等领域。本文在传统网络流量预测模型的基础上，对适用与传感器网络的轻量级流量预测模型进行了相关研究。论文首先全面叙述了国内外对流量预测模型的研究现状，重点分析了无线传感器网络中流量预测模型的研究成果，以及无线传感器网络特性。其次，本文归纳总结了实际网络流量特性以及建模原则，详细地介绍了传统网络中的热点模型；随后对传感器网络的流量特性以及适用模型进行了深入地分析。第三，对传感器网络的建模场景尤其是信息采集下的流量建模进行了详细的介绍，深入分析了传感器网络中的经典模型，并在此基础上以建立符合流量特性的流量模型为目标，提出了一个结合了传统ARMA模型和差分模型的ARIMA模型；随后系统地研究了信息采集场景下的ARIMA建模，包括基本思想、预测方法、选择ARIMA模型的理由以及预测过程。第四，本文应用该预测模型对真实网络流量数据的未来行为趋势进行了预测，并与传统的ARMA模型的建模结果进行了比较和分析。实验结果表明该ARIMA模型能够比较全面地描述和刻画流量的多种特性，可以有效地对网络流量行为进行准确而有效的预测，比较适用于高精度需求的信息采集场景。最后，本文探讨了文中预测算法在实际网络管理中的一些应用，并简要分析了当前预测算法存在的不足和下一步研究工作的目标。