随着网络通信技术的快速发展，网络开始承载越来越多的应用服务，这对网络的服务质量、流量控制和网络管理均提出了很高的要求。对流量的分析与预测是网络管理和性能分析的基础，本文以流量特性分析为出发点，对网络流量的特征模型及其预测方法进行相关研究，重点讨论了两种数学模型，目的是用这两种模型对网络业务流进行预测，进而比较这两种模型的优缺点。 第一种模型是神经网络反向传播算法模型。根据自相似业务流的长程相关特性，采用5层神经网络模型和反向传播算法，对自相似业务流的预测进行了研究。研究结果表明，该模型能够较好地预测自相似业务流，特别是在预测精度上比FARIMA模型要高，但是它的训练和预测时间较耗时。 第二种模型是FARIMA模型。该模型可以描述和预测同时具有短程相关和长程相关特性的网络业务，通过选择合适的模型参数，对自相似业务流进行预测研究。 主要研究工作如下： 首先研究了网络流量的数据特征，主要包括通过对不同时间尺度的数据进行分析，探讨了样本的选择及预处理问题，为流量预测模型的建立提供了依据。 其次对BP神经网络的定义、模型的建立、模型的网络结构设计相关的隐层和隐节点数的设定、网络的训练与测试等进行了详细的研究。研究了BP神经网络本身的优缺点，本文通过改进BP神经网络反向传播算法来预测网络流量。 最后研究了FARIIA模型的建立，以及FARIMA模型的产生过程，并进行拟合，最后用FARImA模型进行仿真。并通过利用网上提供的网络流量的数据包分别对BP神经网络模型和FARIMA模型分别进行网络流量预测仿真，然后得出关于两种模型的适用范围。