从90年代初迅猛发展起来的Internet网，已经迅速改变了人们的生活和传统意义上的信息产业构架，能否有效地实施对Internet网的业务控制则取决于对业务特征的了解和预测能力。自相似特性是目前计算机网络(包括局域网和广域网)所具有的一个普遍特性，自相似业务量[1]对计算机网络的管理和控制有着非常重要的影响。随着网络应用和规模的不断增加，网络管理工作越来越繁重，网络故障也频频出现：不了解网络运行状况，系统出现瓶颈；当系统出现故障后，不能及时发现、诊断；网络设备众多，配置管理非常复杂；网络安全受到威胁等。这些新问题的出现对现在的网络研究工作提出了新的任务和挑战。本文首先介绍了网络自相似性的起源、定义、表现及Hurst效应H值的度量方法[2]，分析了网络产生自相似性的原因及其对网络性能的影响。在对网络自相似性进行理论分析的基础上，分析网络特性的下一步工作就是建立精确的模型来预测网络流量。在第五章里，构建了一种新的预测模型。该模型首先使用小波方法对网络流量进行预处理，然后分别使用线性神经网络和Elman神经网络进行预测，以保证能够描述流量的相关和非平稳性，最后把两种预测的结果分别通过四种联合方式(取平均、线性联合、Elman联合、BP联合)合成为最终预测结果。通过对实际的TCP流量和网络视频流的预测发现，组合模型要比单一模型预测效果要好，加入小波算法后，这种效果会得到进一步加强，而且预测精度与流量自身特性及时间尺度存在一定的关系。