在宽带互联网数据分析领域,研究网络流量的分析、建模和预测方法具有非常重要的意义。随着网络技术的快速发展,网络承载越来越多的应用服务,网络的行为日益复杂,与之相应的对信息网络的管理也提出了更高的要求。因此,对网络流量的分析和建模预测是网络性能分析的基础。　　 本文针对国内某电信运营商的网络状况,针对网络流量特性和网络流量建模预测进行了研究。首先针对网络流量特性分析,采用了Netflow采集技术和FTP采集技术,通过数据挖掘的方法,进行网络数据的测量和特性分析。基于网络数据分析,重点研究大型核心骨干网的网络流量建模和预测,其中,基于统计分析的网络建模是流量模型领域内的关键技术,在基于统计分析建模预测过程中,自回归滑动平均模型和非平稳时间序列模型都是经常使用的建模预测方法。本文结合最佳预测理论,基于观测时序采用非线性曲线回归方法建立模型,再利用该模型在最小预测误差的方差估计下进行预测计算。除此之外,本文针对网络流量数据自相似性和长相关性的特点,基于傅里叶模型、高斯模型和混合模型给出了较理想的网络流量预测方法。　　 通过某互联网运营商的实际流量数据进行仿真实验,分别对季节性模型预测、ARMA模型预测、ANFIS模型预测、傅里叶模型的最佳预测和高斯模型的最佳预测进行比较和验证,证明模型的预测精度与传统方法相比有明显的提高,并验证了算法的有效性。