对于网络流量的控制,首先需要了解流量特性并建立准确的流量模型。过去由于网络流量测量技术和设备的局限而只能对业务的统计特性进行假设。网络业务模型在很长一段时间都采用传统的话务模型或其改进形式,即假定业务的到达过程为Poisson过程,到达间隔服从指数分布。这些模型的共同特点是所描述的业务序列具有短时相关性,当时间标度增加时,统计上单位时间内得到的数据包数将趋于白噪声。Leland和Klivansky等人对LAN和WAN流量进行研究发现网络流量具有自相似性,传统的流量模型不能完全描述流量的真实特性。自相似性对信元丢失率、网络延迟等系统性能有重要影响。因此基于自相似模型的研究显得很重要。FARIMA（p,d,q）过程有效的描述了样本流量的长相关特性,同时也能很好表示具有短相关结构的业务流量。该方法生成的数据在不同时间下具有的长相关和短相关特征都与真实业务一致,这是AR、ARIMA等模型所不具备的。 本文利用FARIMA（p,d,q）模型拟合真实网络流量并将其看作不可控输入即噪声输入,其中差分算子(1-z^-1)^d同时体现了自相似业务的长相关性和短相关性,但由于其阶数太高而难于用于控制。本文首先利用Pade降阶算法对其进行降阶,然后将降阶后的表达式转换为噪声项,采用最小方差控制以消除由此不可控输入所造成的对系统输出（交换节点缓冲区队列长度）误差的影响,使得系统输出（队列长度）稳定在阈值附近。 本文通过分析,从理论上证明了最小方差控制算法应用于自相似网络流量控制的可行性和系统的稳定性;并用计算机进行了仿真验证,仿真结果支持了本文的推导,但还与理论有一定的差别。