随着网络应用的普及和全球通信业务的日益增长,网络流量的控制和管理显得尤为重要。长期以来,网络流量建模和分析都以泊松分布和马尔可夫过程理论为基础,而近年来大量对网络流量的观测研究表明,网络流量具有自相似特性,这种特性不能由传统数学模型描述。同时自相似理论应用于网络流量特性研究已备受人们重视,基于自相似流量预测的主动队列管理算法研究是研究热点之一,也是本文研究的内容。本文首先描述了网络业务流中的自相似现象,介绍了自相似的定义和性质,详细分析了自相似特性对网络性能的影响。接着对当前存在的两种自相似流量预测方法模型:分形预测模型和统计预测模型进行了比较研究,并在此基础上提出了一种基于多时间段的加权平均流量预测方法,对已有流量数据建立适当的函数和依赖关系,分析已有数据的内在规律,对未来网络流量进行控制和预测。然后详细地分析了两种主动队列管理算法:RED算法和ARED算法。在此算法理论基础上提出一种基于自相似流量预测的WTP-ARED(Weighted Traffic Predictability Adaptive RED algorithm)算法。其中在计算平均队列长度的时候,利用以上讨论的加权平均流量预测方法来对未来网络流量进行预测,从而将流量的自相似性质引入到ARED算法中,使得该主动队列管理机制能够结合未来网络流量的情况,更好地控制队列长度。通过在NS2平台进行仿真实验,对给出算法在队列长度、网络吞吐量、丢包率等参数方面进行分析比较,结果表明在自相似流量的网络中,本算法较好地控制了队列长度,增强了队列的稳定性,提升了网络性能,获得了良好的效果。