随着网络流量的飞速增长,光网络技术也在不断革新,频谱灵活光网络和软件定义光网络技术使得业务的承载方式向更精细化、更灵活化的方向发展。但是,现有的资源分配方式仍然存在着资源利用率不高的问题,为了应对不断增长的流量,必须进一步对资源分配方式进行优化,减少资源浪费。本文围绕频谱灵活光网络中带宽时变业务和双向不对称业务的资源分配问题展开研究,通过流量预测来获得更多的业务信息,并基于预测信息对业务的分配方式进行优化,从而提升网络整体的资源利用率,主要的工作和成果如下:(1)分析网络流量特性,建立基于长短时记忆(LSTM)神经网络的预测模型实现对网络流量的预测。现有网络流量呈现复杂的非线性,LSTM网络的自动特征学习与提取功能适合解决此类预测问题,仿真结果显示该模型的预测效果优于传统线性模型。通过预测可以提前获取时变业务带宽需求的变化趋势以及业务双向带宽需求的不对称性。(2)针对时变业务动态按需分配带来网络配置成本增加的问题,提出一种最小化业务重分配数的整数线性规划(ILP)模型来降低单时刻分配中的配置成本,仿真显示该模型能够提供最优化策略;基于预测信息,提出一种选择性资源预留的时变业务动态资源分配算法,通过对未来时刻带宽需求预测值与当前时刻带宽需求值进行比较,只对部分业务提前进行资源预留,该算法相对完全进行资源预留的算法,可以在网络阻塞率和业务重分配数之间取一个折衷。(3)针对双向不对称业务资源分配问题,提出一种持续时间感知的非对称频谱分配算法。该算法选取虚拟光网络(VON)为应用场景,VON因为其中业务的强不对称性而导致单个方向光路有大量资源被浪费,该算法基于共享思想对该部分资源进行再分配,仿真结果显示该算法可以有效提高网络资源利用率。