随着Internet及其应用的迅速发展,网络开始承载越来越多的应用服务,网络行为特征日趋复杂,这给网络规划、网络管理以及服务质量带来了越来越大挑战。IP网络流量建模及预测是带宽分配、流量工程、性能分析、路由控制及差错控制的基础和主要参考依据。本文首先分析了IP网络流量的主要特性,分析比较了几种传统的IP网络流量预测模型的优缺点,在此基础上提出了基于残差改进的灰色预测模型,该模型通过对灰色模型的残差序列做指数化处理,从而使得正负交替序列向非负序列转化。实验结果表明,改进后的模型具有较高的预测精度。针对常权组合模型的权值恒定不变,很难精确预测现实网络流量的问题,本文提出了模糊自适应的变权组合预测模型,该模型由改进后的残差灰色模型和BP神经网络模型组成,引入模糊决策机制和自适应机制,通过对数据的处理得到组合模型中单一模型的模糊权值和基本权值,然后计算得出该单一模型在组合模型中的权值。实验结果表明,模糊自适应的变权组合预测模型与常权组合预测模型相比,性能更优。但实验同时也发现,在小时间粒度网络流量预测中,当预测步长超过7步以后,预测误差超过20%。针对此问题,本文提出了动态变权组合预测模型,即在原模型的基础上引入动态机制。当预测误差超过设定阀值时,变权组合预测模型也随之进行重构,从而减少预测误差。实验结果表明,动态变权组合预测模型比原模型在预测步长上有所增长。