近年来,随着通讯网络技术的不断发展,以及5G时代的到来,我国网民数量也不断增加,这使得网络规模逐渐增大,以满足人们日益增长的网络管理需求。但由于网络规模不断扩大,移动带宽的速率也在不断地增快,网络流量也有了较大幅度的增加,这也导致了网络资源分配的均匀性下降,网络中时常出现拥塞或过载等现象。因此对于网络中的数据进行分析和准确的预测,可以有效地对网络进行管理及维护,提高网络的综合性能,在网络安全中也发挥着重要作用。而鉴于当今网络流量的多样性和突发性,使用传统线性模型在对其预测时,预测效果会造成较大的误差。因此,本文为对网络流量进行精准预测,提出了一种基于灰狼算法和支持向量回归的多阶段预测方法。本论文主要工作如下:（1）研究了网络流量预测时所涉及到的相关内容,包括网络流量的特性和目前预测网络流量的几种方法。并分析总结了使用支持向量回归算法对网络流量预测的可行性。（2）建立并实现了基于灰狼优化算法和支持向量回归算法的网络流量预测方法。本文利用灰狼算法对支持向量回归算法中的三个重要参数进行优化,然后建立SVR预测模型得到单阶段预测模型（SGWO-SVR）。然后在SGWO-SVR的基础上,首次提出利用两阶段预测方法建立预测模型,即TGWO-SVR。（3）利用MAWI工作组的公开数据集对本文所提出的预测方法进行验证,并与SVR方法,GA-SVR预测方法,DE-SVR预测方法相比,本文建立的模型在平均绝对百分比误差和均方根误差等性能衡量指标上均有良好表现,证明了本文所提出的预测模型具有一定的优越性。