第五代移动通信技术（5G）的愿景与需求,是为了应对未来爆炸性增长的移动数据流量增长、海量设备连接、不断涌现的各类新业务和应用场景,同时与行业深度融合,满足垂直行业终端互联的多样化需求,从而实现真正的“万物互联”[1]。5G从传统的封闭和非弹性网络基础设施建设到开放、可伸缩、弹性的生态系统的转变,同时通信网络接入的业务种类繁多、业务特征各不相同,这些需求给5G网络的设计包括:网络功能、架构、资源等带来新的挑战,这些挑战要求5G网络服务具有灵活性、自适应智能化。因此5G的光承载网络亟需提升自身网络设计的灵活性和智能性来应对大规模流量和多业务场景的挑战。本论文针对5G前传网络面临的接入流量数据量庞大且流量业务种类繁多复杂的,研究5G前传网络资源调度算法,深入研究了在弹性光网络条件下的流量处理机制和网络资源调度算法,在综合考虑流量业务类型、前传网络资源的条件下,提出了基于深度学习算法的流量处理机制和基于优先级判定的资源调度算法,实现了 5G前传网络资源处理的创新和突破。本文的工作和创新点如下:首先,针对5G网络的业务场景多样化和多设备接入带来的大规模复杂流量数据难题,提出了基于流量分类的流量预测机制。在网络请求接入部分对流量进行基于深度学习的流量分类和流量预测,通过流量梳理能使得前传网络根据不同业务类型的不同需求进行请求响应,形成业务类型与流量数据之间的映射关系,同时经过流量预测得到未来时刻的流量数据类型,能较好应对5G网络提出的高可靠低延迟要求。通过实验仿真,我们使用的深度学习算法在流量处理方面降低了响应时延,提高了预测精度。其次,针对5G前传网络场景下资源调度智能化问题,提出基于流量请求优先级判定的资源分配算法。通过研究弹性光网络条件下资源分配和多种神经网络算法,在对大规模历史流量数据进行梳理后,根据流量预测结果和流量优先级判定,对优先级较高的流量请求进行资源分配。前传网络能根据不同流量业务的不同需求实现弹性资源智能化调度,能实现网络有限资源调度智能化、利用高效化同时我们提出了资源分配算法的评价机制,考虑系统资源分配与用户请求资源之间的平衡判定,在满足QoS的基础上实现前传网络资源的高效利用。通过实验仿真,我们在该场景下提出的基于流量请求优先级的智能化资源分配算法能降低网络阻塞率,提高资源利用率。