随着现代社会信息技术的不断发展,各种智能终端和网络业务层出不穷。接入网作为信息高速公路的最后一公里,其架构的灵活性、稳定性和服务质量近年来得到了越来越多的关注。但传统的接入网不够灵活,网络架构的调整和扩展不够方便,对网络资源的调度也较为低效,远远不能满足未来网络业务的发展。为了解决以上问题,近年来人们逐渐将目光聚焦在软件定义网络相关的研究上,试图将这种创新的网络架构方案应用到接入网中,从而在增强网络灵活性的同时,也可以通过收集网络全局信息来进行更有效的资源调度。此外,针对网络运行过程中控制器收集网络信息有延迟的问题,人们又提出了一些网络流量建模理论,并依据相关理论提出了一些流量预测算法,以实时地进行带宽调度。这些研究旨在优化网络架构、提高网络性能,具有重要的现实意义和价值。本论文在研究现有光接入网架构和资源分配方案的基础上,以优化网络结构、提升网络性能为目标,针对目前对网络智能化、个性化的管理需求,重点在网络架构、资源管理算法等方面进行了研究,并通过仿真对提出的方案的性能进行了验证。本文主要的研究工作如下:(1)提出了一种基于分布式控制的软定义时分复用无源光网络(TDM-PON)架构。该架构采用软件定义和可编程控制的思想将网络分为三层,并在控制层面采用了由三个控制器组成的分布式控制器集群。仿真结果证明,该架构在提高网络的灵活性和网络管理效率的同时,也提高了控制层面的可靠性。(2)在对网络流量特点研究的基础上,提出了基于BP神经网络的接入网上行流量预测模型,并通过仿真验证了它的性能,证明了该BP神经网络模型具有收敛较快、预测效果良好等特点,适合应用在接入网场景下进行流量的预测。(3)在以上分布式控制的软定义TDM-PON架构和流量预测算法的基础上,提出了一种基于神经网络预测的自适应动态带宽分配(ADBA-NNP)算法,该算法不仅通过流量预测减小了控制消息传输时延对网络性能的影响,还充分分析了网络的全局信息,根据具体的情况,实时对网络进行自适应的准确调度。通过MATLAB仿真显示,该算法将网络平均包时延降低了 61%,将网络的带宽利用率提高了29%。