随着网络技术的不断发展,网络流量呈现复杂性和多样性。研究多变网络行为,特别是针对海量流式数据的分析现已成为一项艰巨工作。所以,为提高和保证现有网络服务质量,构建更加严谨、安全的网络体系结构,必须深层次对网络流量行为进行研究。网络流量特性分析离不开流量模型的使用,本文首先介绍了长相关性、短相关性、自相似特性与多重分形特性等流量常见的基本特性,以及自相似参数Hurst值的几种常见算法。然后介绍了几种常见网络流量模型:传统模型与自相似模型。因为已有的研究表明小波模型由于其固有的优良性质,在网络流量的自相似性检测方面优于其他模型,所以,本文基于多分形小波模型(MWM)进行了研究。本文首先新引入了两种MWM,即point-mass MWM与hybrid MWM,然后利用这两种MWM模型与通常使用的β-MWM模型进行流量合成,最后通过多种实验对原始流量与合成流量进行比较与分析。实验结果表明,对称β分布并不是必须的,hybrid MWM在匹配目标信号的相关性等方面具有更大的优势。也就是说,可以依据信号的不同特性,选择不同的分布对小波变换后的粗细尺度进行控制,从而得到与原始流量最为接近的合成流量。本文的研究工作为网络流量的分析与应用提供了理论与试验依据,为分析不同流量使用不同分布乘子的小波模型给出了理论与实验根据,对有效合理地管理网络、提供高效的服务质量具有一定的实际意义。