对于网络设计者来说，网络流量研究及控制是实现网络的可控制性、可管理性，保证实时业务传送质量的关键问题之一。自从IP网络流量的自相似性发现以来，流量的测量、建模和控制问题成了近年来研究的热点问题。本文按照IP网络多重分形流量建模、流量预测及其应用这一线索展开，主要研究了与网络架构相对独立的IP网络中自相似VBR视频业务流量的建模和预测问题，论文在这一领域的主要研究成果如下：在自相似框架下，按照流量模型的易于分析的要求，提出了一种易于进行排队分析的MPEG视频业务流量模型。模型利用了SRP(空域更新过程)中自相关函数与分布函数可以分别用两个过程独立表示的特性，同时精确描述流量的相关性和边缘分布函数这两个重要参数，使得人们可以方便的对VBR视频流的自相似特性进行考察。进一步研究发现，仅仅用Hurst参数不足以描述复杂的网络流量，VBR视频等网络业务流量在小尺度上表现出多重分形特性。为此，本文对多重分形体系下的建模问题进行了分析和研究，提出了一种修正的多重分形模型。模型改变了传统多重分形模型中控制最终模型序列长相关性和边缘分布的方式。实验证明，文中提出的方法具有更高的拟合精度和更好的一致性。另外，文中的方法对级联多重分形模型乘子分布方式的选择进行了改进，使用了Kullback-Leiblar(KL)距离判别方法寻找多重分形级联模型中乘子的最佳分布，增强了多重分形模型各尺度乘子参数估计的鲁棒性。相对于建模，流量预测能更快的应用到网络的QoS控制中。为此本文对流量的预测问题进行了研究。文中利用多重分形的树形结构能够将时间序列分解为多层的性质，把难以进行直接预测分析的长相关(LRD)流量序列转化为可以用短相关(SRD)线性模型预测的序列组，然后再对其进行预测。实验证明，这种预测方法具有很好的多步预测精度。由于建模的最终目的之一就是为IP网络建立一种流量分析理论，为此，我们对多重分形模型进行了排队理论分析。进而，我们对预测模型的应用做了研究，把预测算法加入到了TCP友好拥塞控制机制中，仿真实验初步证明了预测模型的有益效果。