实现网络QoS控制对于网络管理及维护相当重要,而网络流量预测对于实现网络的QoS控制可以起到十分重要的作用;另外,流量预测在入侵检测中的应用也受到越来越多的关注。网络流量预测极具现实研究意义。网络流量的预测要求较高的实时性,另外准确率也是一个很重要的指标。本文基于神经网络预测模型,并引入小波函数对其进行改进,建立了一个新的网络流量预测模型;另外针对几种神经网络的不同特点进行有效的整合,建立了一个新的网络流量预测模型;并对以上两种模型写出了相应的算法,仿真试验证明,该模型预测误差低,并且具有普适性。本文研究的内容是对神经网络流量预测模型进行改进,并设计相应的预测步骤,主要有以下研究成果:1、在BP神经网络预测模型的隐含层引入小波函数作为其传递函数,建立一个新的小波神经网络预测模型,并设计了相关的预测算法,提取了真实的网络流量对该模型进行了仿真验证,在保证预测精度的前提下,提高了神经网络的训练速度,达到了改进的目标。2、针对线性神经网络,Elman神经网络,RBF神经网络,BP神经网络等不同预测模型优缺点,对它们进行有效的整合,利用这些神经网络的优点,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。