无线网络作为一种新的互联网接入方式,因其灵活方便的特点已被广泛应用。同时日益复杂化的应用需求使得网络管理工作越来越困难,怎样提高网络资源利用效率,保障网络安全成为最近的研究热点。不断发展的网络流量预测技术逐渐成为解决上述难题的一项关键技术。然而无线网络环境更加复杂多变,不稳定性更加明显,传统的预测方法不能很好的体现无线网络特征,造成预测准确率较低,使得网络管理跟不上应用的发展。本文通过对基于混沌理论和支持向量机的短期网络流量预测算法进行分析和研究,并对其进行改进,提出了用于无线网络流量短期预测的算法(LSVM-SAX-DTW-HQ),它的预测精度更佳、适应性更强。本文主要工作在于:第一,在之前提出的局域支持向量机(LSVM-DTW-K)预测算法的基础上,通过分析其在模型建立时的弱点,提出用Hannan-Quinn信息准则计算邻近点个数代替之前的经验法选取邻近点个数,从而获得更为准确的预测模型。第二,提出用符号化方法SAX(Symbolic Aggregate Approximation)对时间序列做符号化处理,使得用DTW(Dynamic Time Wrapping)算法度量邻近点时,时间复杂度由原来的O ( n2)变为O ( n+ N2)。最后,通过实验验证了该预测模型及其改进的有效性,能够更准确的进行无线网络流量预测。