因特网的普及和视频点播等新业务的出现导致网络流量急剧增加,此时传统的网络流量特征已经不再适用于网络流量预测。研究人员对局域网、因特网的流量进行测量后发现,网络流量具有统计意义上的自相似性,由于这种特性能够更加精确地描述网络流量,因此比传统的流量特征更加适用于网络流量的预测。目前,日益扩大的网络规模对实现数据的可靠传输及网络资源分配是一种挑战,而且网络拥塞、故障等问题越来越多。精确的网络流量预测对去处网络拥塞等问题、实现对复杂网络的管理和规划具有重要的参考价值,因此实现高质量的网络流量预测就显得越发迫切。为了找到一种新的网络流量预测模型,并提高网络流量预测的准确性,本文首先介绍了国内外对网络流量自相似特性及网络流量预测的研究现状,然后详细介绍了自相似特性和传统的网络流量预测模型,最后对网络流量预测模型进行了改进,提出一种组合网络流量预测模型。实验结果表明,该网络流量预测模型准确可行。本文还做了对差分进化算法的模拟实验。提出一种改进的差分进化算法,训练BP网络进行网络流量的预测。它是一种全局的随机优化求解算法。利用差分进化算法的全局求解最优能力,可以快速准确的得到BP网络的权值和阈值。将提出的改进差分算法与BP算法,对比实验,实验结果表明,该进化算法加快了BP网络收敛速度,提高了网络流量预测的精度,具有良好的收敛性和泛化能力。