当前社会网络迅速发展,对网络进行有效监管与预测已经成为计算机网络应用的重要部分。进行网络流量分析进而建立有效的网络流量模型是当前网络研究的热点问题之一。为了让校园网的网络节点间通信更加流畅,离不开对其网络节点当前状态的不断监测。校园网监测,特别是针对网络流量的监测,将直接影响校园网的运行效能,为校园网管理者提供实际的流量数据,以便其更加合理的分配流量,最大限度的获得效益。同时校园网监测也将能为校园网故障分析提供有用信息。因此一款操作简单、功能齐全的流量监测软件将为校园网管理提供更多的便利,解决网络管理人员面目前网络行为特征日趋复杂,随着Internet飞速发展,这给网络规划、网络管理带来了巨大的挑战,矛盾也日益突出,进行网络流量分析进而建立有效的网络流量模型是当前网络研究的热点问题之一。网络流量模型是对网络流量特性的刻画,一个好的模型不仅应能准确地反映出历史流量的特性,而且还能有效预测将来一段时间内网络流量的大小。一些传统模型通常假定网络流量满足线性关系,然后用线性递推和组合的方法来描述系统。实际上网络流量数据随时间变化并未表现出显著规律,因为它包含了很多非线性因素。本文围绕提高预测精度和自适应能力的主题,在网络流量预测中采用非线性模型,作了深入的分析,并在此基础上设计并实现了网络流量预测分析系统。本文在引入时间序列预测理论和人工神经网络理论的基础上,设计出基于BP神经网络的流量预测模型,给出了有效流量预测方案。本文在预测模型中加入了动态调用预测功能,使得所设计网络流量预测系统在灵活性和高效性方面得到了提升,并且具备较强的自适应能力。本文所设计的预测系统通过大量实验获得最佳预测模型,应用该系统能有效预测短期内网络流量的变化,进行信息预报,为网络规划、网络管理做出了积极有益探索。