随着网络规模的日益庞大和复杂,发生各种故障的可能性增大,网络性能更容易受到影响。网络流量能直接反映网络性能的好坏,如果网络所接受的流量超过它实际的运载能力,就会引起网络性能下降。所以网络流量的建模与预测对于大规模网络的规划设计、网络资源管理以及用户行为的调节等方面都具有积极意义。本论文是基于国家自然科学基金项目“基于共变正交和联合优化的多媒体网络性能预测模型”的研究需要而展开的。本文介绍了网络流量的特征,在分析了小波理论和FIR神经网络特点的基础上提出了一种基于小波变换和FIR神经网络的网络流量预测模型。该模型采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将不同频率成分的系数单支重构为高频流量分量和低频流量分量,用FIR神经网络得到不同频率成分的预测分量,将它们的合成作为对原始网络流量的预测结果。本文采用研究人员公认的网络流量数据作为测量分析对象,对该模型进行了仿真实验:对局域网和广域网网络流量的单步预测、在不同小波基下的单步预测性能及分析、与现有的小波变换神经网络模型和FIR神经网络模型在不同结构下的性能比较及分析。这些实验的结果验证了本文提出的预测模型的有效性和优越性。最后对本文的主要工作进行了总结,并针对本文提出的模型有待改进的地方和下一步的工作提出了几点看法。