随着Internet互联网络的发展，计算机网络越来越广泛的改变了人们的生活。同时，Internet网络自身也越来越复杂，在这种复杂的网络面前，人们亟需一些方法来增进对它的认识，而网络测量就是人们掌握复杂网络结构和特性的一个重要研究方向。作为网络测量的两个非常重要的指标，也是人们在使用网络中显得颇为重要的两个指标：高带宽和低延迟则成为现实中比较有意义的追求方向。然而由于P2P流量大量占用互联网中的带宽，造成网络的高迟延甚至拥塞，需要一些方法来对网络流量进行控制。在这种情况下，如果可以分析出流量在时间尺度上的特征以及预测模型，则可以掌握网络流量在未来时间的发展变化趋势，以此有效的控制网络流量，这在未来网络体系的分析和设计规划方面，具有极其重要的意义。本文针对网络测量中自相似流量模型进行了研究。论文首先介绍了网络测量和流量模型的指标、发展历程和自相似特性的定义及其性质，总结了多种自相似的度量方法。然后，对目前主要的自相似模型进行了对比分析，在对比结果的基础上设计了算法和实验过程，在实验中选取了符合需求的FARIMA(p,d,q)模型，使用此模型对真实的网络流量序列进行模型拟合。在模型MA和AR参数的估计方面采用最小BIC的方法，得出匹配当前具体流量序列的最佳模型，最后使用Durbin-Levinson算法对流量进行了预测实验，得出95%置信区间的未来流量波动序列。在论文中，选取了网络流量序列自相似特性的有效度量方法，成功地对原始流量序列进行了特征提取与FARIMA(p,d,q)模型拟合，得出了比较合理的未来网络流量波动趋势。实验结果表明，论文所设计的方法可以分析出某一具体网络的未来发展变化趋势，对网络的流量控制和拥塞控制具有较好的参考意义。