随着校园网规模的扩大以及应用的多元化发展,校园网变得越来越复杂,校园网管理上的问题也逐渐暴露出来。在这种情况下,需要对校园网出口流量进行特性分析及其预测,最大化的利用有限的带宽,降低网络延时,为教学和科研提供优质、稳定的网络环境。为了满足学校日益增加网络业务对网络应用带宽的需求,需要解决网络服务质量及保障网络不会出现延时、带宽不足等问题。网络出口流量的预测及监控对于网络的服务质量、流量控制和网络管理均是其重要环节,对流量的分析与预测也是进行网络管理和性能分析的基础。本文的主要工作如下:首先,以广东某学院的校园网为例分析了网络流量的几个主要特性,及其网络流量的表现与对网络业务的影响。明确了校园网需要及时、有效的了解网络流量特征并在校内网上实施流量测量及实施控制策略,缓解网络拥塞,到达优化校网络资源的目的。然后,通过分析该校网络流量的业务行为相似性,包括网络流量中相似现象的成因及对网络业务的影响,本文采用数据挖掘中的聚类算法规则中的K-Means算法进行分析,此方法所得到的聚类质量很容易受到噪声(Noise)或是离群值(Outliers)所影响,以信息损失在允许范围内为前提对数据逻辑筛选,提高了数据信息过滤的效率。接着,以校园网用户使用网络业务和访问连接行为数据为变量,利用神经网络进行归一化整理。统计网络业务流量数据并获得数据时限分布的基本特征,根据网络业务流量数据分析流量行为的规律。最后,根据统计分析结果在MATLAB平台进行了实例测试给出网络流量预测的方法—BP神经网络预测算法,根据实验的预测结果发现目前校园网中存在的问题,分析其造成的原因并判断流量的规律,通过网络行为流量数据分析和BP神经网络探索预测流量行为规律。为学校量控制设备建立新的流量行为审计数据特征库,进一步优化校园网出口流量的策略奠定基础。