从上世纪九十年代开始，研究人员对现存的一些物理网络进行了测量、分析，发现具有自相似特征的业务流在各类网络中普遍存在。如何利用自相似过程精确地描述这些业务，以及如何利用业务的自相似性质来提高网络性能成为当前重要的研究方向。 本文首先介绍了自相似过程的定义和主要特点，研究了自相似过程的性质，分析了刻画自相似程度的Hurst参数的三种估计方法，并将其中的两种方法用于对自相似业务源的Hurst参数的计算过程中，结果表明，这两种方法可以较好的计算Hurst参数。 在进行了大量的文献研究的基础上，作者对自相似业务的建模方式进行了归纳总结，其中包括：ON/OFF模型、FGN、FBM、FARIMA、α稳定分布模型、RPG模型等。 本文的另一个重要工作为混沌预测。根据自相似网络业务流量的混沌特性，将混沌理论和动力学系统中的一些原理引入到自相似网络中，利用混沌吸引子的理论进行了非线性预测。在非线性预测的相空间重构过程中，作者比较了动力学系统中给出的各种的重构方法，选择了一种更适合在通信系统中使用的方法，这种方法需要的数据少，计算量较小，占用的内存也较小，适合于做实时预测。作者利用该方法对自相似网络业务流量实现了实时非线性预测。 最后，作者构造了一个Mesh网络的测试平台，将混沌预测方案应用于它的资源动态按需分配策略中，并与两种线性预测的分配方案进行了对比，结果表明混沌预测可以取得更好的效果。 本论文的研究工作，为进一步提高网络资源的利用率奠定了一定的基础，有利于保障通信网络服务质量(QoS)。