21世纪信息技术高速发展,许多行业在信心技术出现后发生了巨大的改变,人们的学习、工作和生活开始越来越依赖网络的存在。为了减少网络运行状况恶化带来的损失甚至避免其损失,网络运营者希望可以随时了解网络的运行质量以便在第一时间采取相关措施。网络运行态势正是一个对网络运行状况综合客观的评估结果。网络运行态势是整个网络是否正常运转、网络中各个设备是否正常运行、网络用户能否正常使用网络服务的综合体现。网络运行态势分析的最终目的是获得网络在运行时间内的运行态势结果和变化情况,以便网络管理员能够直观的理解复杂网络的运行状况的好坏与稳定。关联分析能够挖掘节点之间的潜在关联关系,反映网络内部的相互影响关系,从而从网络整体出发评估与预测网络运行态势,并采用模糊技术解决网络运行分析及评估中不确定性问题。本文的研究特色在于将模糊理论技术与关联规则挖掘相结合,形成模糊关联规则挖掘方法,分析与预测网络运行态势,主要工作及创新如下:1.建立了网络运行态势评估的指标体系,构建了网络运行态势分析与预测的系统框架,并设计了数据预处理的具体流程;2.采用模糊聚类提出网络运行态势特征,并对特征数据进行模糊化处理,建立了描述节点运行状态的模糊数据库。论文提出了改进的自适应模糊聚类算法AFCM,经仿真验证和对比分析,算法具有较好的聚类性能;3.提出一种新的模糊关联规则的挖掘算法FPLI,算法采用线性链表的数据结构,引入兴趣度约束,采用并行挖掘的工作模式。经过仿真验证和对比分析,算法在时间复杂度,挖掘效率和兴趣度约束等方面都比传统的挖掘算法具有较强的优势。论文将改进算法用于网络运行态势的评估分析中,取得了能客观反映网络运行态势的分析结果;4.设计了网络运行态势预测的框架结构,采用遗传算法优化模糊预测系统提高预测结果的精度和系统的精简程度。经过仿真验证和对比分析,该方法在网络运行态势预测中的效果比传统的时间序列预测方法更好。本文就网络运行态势分析展开研究,对网络运行态势评估与预测提出了一系列新的算法并进行了仿真验证,其结果达到了预期目标。