网络流量特性分析与流量建模作为计算机网络基础理论研究的前沿性热点问题,是现代网络通信系统分析、设计、性能评价和动态调整的基础。目前网络正由传统的互联网向物联网转变,物联网具有与传统互联网不同的联网对象和上网行为,联网设备数量和数据量巨大,其流量特性必将发生变化,需要重新评估以物联网和大数据为特征的下一代网络的流量特性。本文致力于物联网流量特性分析和流量预测的研究。首先使用软件展示物联网流量的变化情况,通过直观观察初步了解物联网流量可能具有哪些特性。然后按照用户角色组合物与物、物与人、人与人三类流量,对每一类流量特性进行深入分析。分析聚合流量特性变化情况,重点研究了聚合源的方差、密度和比例等因素对聚合流量特性的影响。最后,基于物联网流量特性分析结论,选择合适的模型进行流量预测,验证流量特性分析结果的准确性。首先采用统计分析工具对物联网流量特性直观分析,发现物联网流量同时具有分形特性和突发性。然后使用R/S估计法对不同时间尺度下的物联网流量的Hurst参数进行估算,判断物联网流量的自相似性及其程度。研究表明物联网流量具有多分形特性,随着时间尺度的增加,物联网流量逐渐由长相关退化至短相关。通过重尾分布来刻画物联网流量的突发特性,采用四种典型的重尾分布和指数分布分别对物联网流量进行拟合,利用回归评价指标进行误差检验,从中选取最准确的模型来刻画物联网流量的突发特性。拟合对比分析结果发现物与人的流量更符合对数正态分布,其余类型流量使用帕累托分布能够更加准确刻画其突发特性。采用仿真流量和真实流量结合的方式,研究聚合源的方差、密度和比例等因素对聚合流量的分形特性和重尾特性的影响。研究结果表明,聚合流量特性不仅与聚合源流量的H参数有关,随着聚合源的流量方差、密度和比例的成倍增加,聚合流量特性也会随之改变,其中,方差、密度和比例较大的流量对聚合流量特性有着较大的影响。基于上述物联网流量特性的分析结果,选用FARIMA模型进行物联网流量预测,并提出了一种基于改进的EMD-FARIMA流量预测模型,首先使用EMD对流量时间序列进行模态分解,再通过K-Means算法对分量进行聚合,然后对聚类流量预测效果进行线性叠加。实验结果表明,该模型能够提升预测结果的精确度。