随着网络技术的高速发展,网络为信息的交流、资源的共享提供了快捷的途径,网络成为人们生活和工作中不可缺少的一部分。随着用户群体的高速增加,业务种类的复杂多样,导致网络所承担的任务越来越重,传输的数据量呈指数级增长,网络复杂性和异构性不断增加,网络拥塞和网络故障经常发生,给社会和经济方面带来巨大的损失,所以,加强网络监控和优化网络结构迫在眉睫。网络流量监控是性能管理中的一部分,它对研究网络行为特征和发现网络行为变化起着关键的作用,它以监控网络流量为基础,通过分析网络中传输的数据流量分布情况和资源的利用情况研究网络行为和运行规律,通过统计分析流量数据建立起网络性能基线,有效地进行网络监控,合理地分配网络资源,迅速定位网络故障,甚至为规划和优化网络结构提供科学依据,因此,设计和实现网络流量监控系统具有重要的意义。网络流量是网络上传输的数据量,它反映了网络的运行状态,是判别网络运行是否正常的关键数据。网络流量监控通过连续采集网络数据来监控网络,获得网络流量数据后对其进行统计分析,从而得到网络及其主要成分的性能指标,以此维护网络流量数据库日志及其主要成分的历史数据。通过对历史数据的建模分析,能够预测未来一段时期的流量的预测值。流量的预测值能够确定异常检测边界值,使流量异常能够被及时发现。本文首先研究了统计分析技术和时间序列分析的概念、分析方法和步骤,重点研究了时间序列分析中自回归移动平均模型的建立过程,包括模型定阶、模型参数估计、模型检验和模型预测;其次,研究了网络流量相关技术,包括网络流量监控技术、简单网络管理协议和网络流量异常检测技术;再次,分析了网络流量的特性,选用了自回归移动平均模型对网络流量进行建模,通过实际采集的流量数据,建立了网络流量预测模型,通过网络流量预测模型,确定了异常检测的自适应阈值方法中的边界值;最后,综合以上各项技术,设计和实现了网络流量监控系统。本文设计的网络流量监控系统结合统计分析技术中时间序列分析技术,通过对网络流量建立预测模型,模拟和预测未来一段时期的流量变化情况,同时,采用异常检测技术中的自适应阈值方法进行流量异常检测。自适应阈值方法依托网络流量预测模型建立检测边界,通过实时计算流量超过检测边界的可能性识别流量异常。网络流量监控系统能够按指定的时间段监控和统计分析被测网络上的网络流量,将网络流量以图形方式显示,对流量异常进行检测和即时告警。