网络性能评估和业务流量预测的核心基础是建立能够准确描述网络业务流量特性的流量模型。随着网络流量自相似特性的提出，大量研究表明传统的业务流量模型已经不能很好地描述网络流量的这一特性。由于FARIMA模型可以同时描述业务流量的短相关和长相关特性，因而被广泛应用于当前网络业务流量建模。本文首先深入研究了自相似理论和FARIMA模型理论。其次，提出了一种基于预测的网络带宽动态分配方案，可以有效降低丢包率。仿真证明该方案能够更好地应对突发业务流量，可以有效降低丢包率和队列长度，提高网络带宽利用率。最后，研究了基于预测的DDoS攻击全局检测方法，该方法首先利用FARIMA模型预测，获取包含预测误差和异常流量的预测差序列，利用异常流量强相关特性，对预测差序列进行相关性分析，通过比较相关系数与设定门限的大小，做出异常判断。仿真验证了该方法的有效性，并且与原有的基于PCA分解的检测方法进行比较。