目前网络行为特征日趋复杂，随着Internet飞速发展，这给网络规划、网络管理带来了巨大的挑战，矛盾也日益突出，进行网络流量分析进而建立有效的网络流量模型是当前网络研究的热点问题之一。网络流量特征研究和分析是深入理解网络内在本质、了解网络运行状况的根本方法和手段，是网络性能提升、优化网络设计和实施流量工程的重要途径。本文基于灰色理论和最小二乘支持向量机(LSSVM)，建立新的网络流量预测模型。根据实际网络中测量得到的网络流量数据，进行实例分析，结果证明，新模型和算法预测误差低，且具有普适性。针对网络流量预测，本文主要做了如下工作：(1)在深入研究灰色GM(1,1)预测模型及其改进方法的基础上，针对影响预测模型精度的原因，考虑新旧数据对预测的影响，本文提出了加权处理原始数据的方法，并给出了一种更合理更简单的重构模型中背景值的方法及对初始值的估计。(2)在对支持向量机进行深入研究的基础上，基于网络流量数据的特点，本文提出了动态稳健LSSVM模型。为了验证稳健LSSVM算法的正确性和有效性，分别利用一般LSSVM模型和稳健LSSVM模型进行仿真实验。(3)根据灰色模型与最小二乘支持向量机的结合方法，以及模型对数据处理的特点，本文将灰色最小二乘支持向量机分为三类：并联型、串联型和残差型。通过实验结果表明组合预测模型能有效的提高预测的精度，比单一模型具有更高的拟合精度，具有一定的应用价值。(4)本文以灰色最小二乘支持向量机预测模型为主体结构对网络流量预测系统的主要结构进行设计。网络流量预测系统的主要功能模块可分为三个：流量的数据整理模块、流量预测模块和流量图生成模块。本文所设计的预测系统通过大量实验获得最佳预测模型，应用该系统能有效预测短期内网络流量的变化，进行信息预报，为网络规划、网络管理做出了积极有益探索。