网络测量是对网络进行有效管理、维护和安全保障的重要手段，通过对测量数据的分析，可以了解网络的运行环境以及网络服务状态等方面的情况，为网络的升级或改建提供必要的参考。在网络测量范畴内，由于网络流量融合了网络运营时所有的信息，是最基础也是最关键的测量数据，因此对网络流量数据的分析与研究格外重要。而随着物联网、泛在网络等概念的提出，下一代互联网骨干网各节点之间、局域网各节点之间的网络流量数据将呈现大幅度增长，互联网流量即将迈入大数据时代。在大数据流量背景下，网络业务类别的急剧增加导致网络流量性质发生改变，传统的流量模型已不适用于当今乃至下一代互联网流量的分析与预测，因此对网络流量建模的研究势在必行。网络流量模型可以生成不同特征的流量数据，用于检验新型网络设备的功能与质量，有助于衡量网络设备与业务流量之间的匹配问题，对研发下一代互联网技术和基础设施具有重要意义。网络流量模型还可用于流量的预测：做为一种重要的预警手段，网络流量的预测结果指明了网络流量未来的趋势，可根据这种趋势调整相应网络资源，保证网络业务的服务质量；通过对流量预测值的分析，依据相应判别准则，能够提前发现网络异常，及时采取有效措施，将损失减小到最低。本文旨在建立能够刻画网络流量特性和预测网络流量趋势的两类模型，主要研究内容可归纳为以下几个方面：第一，网络流量特性的分析与研究。网络流量的特性是网络流量建模的基础。首先，从数学角度分析了泊松过程的二阶矩函数无穷级数与自相似过程的二阶矩函数无穷级数之间的差异；然后，给出了泊松过程和自相似过程在不同尺度下的聚合流量变化趋势，分析表明自相似网络流量的尺度特征是由其长相关性质所引起，说明长相关性质是刻画网络流量建模的关键；最后对几种典型的网络流量模型进行了比较，重点讨论了ON/OFF模型和ARMA类模型的特点和建模过程，为后文C-ON/OFF模型和EMD-ARMA模型的建立提供了必要的理论基础。第二，C-ON/OFF模型的建立。针对以往的长相关流量模型计算复杂度较高且大多数模型物理意义不明确的问题，在研究了ON、OFF周期持续时间呈重尾分布的多个ON/OFF源合成流量性质的基础上，结合互联网中广泛存在的网络用户行为趋同性对现有ON/OFF模型进行了改进。通过对Hurst参数和自协方差函数衰减速度两项指标的分析，确立了各ON/OFF源之间相关性与合成流量长相关性的关系。基于以上结果，建立了一个结构简单、计算复杂度低、物理意义明确的网络流量模型——C-ON/OFF模型，并通过对C-ON/OFF模型参数的定量分析，得到了模型参数与生成流量长相关性的内在联系，进一步揭示了网络流量长相关性质与网络趋同性之间的关系，对未来网络流量建模研究提供了技术参考。第三，EMD-ARMA模型的建立。通过分析经验模式分解过程，从理论推导和仿真实验两个方面证明并验证了长相关流量数据经过经验模式分解之后得到的固有模式函数是短相关流量数据。短相关模型具有比长相关模型复杂度低的优势，因此，采用短相关模型对经验模式分解后的流量数据进行建模。基于经验模式分解的去长相关作用，以及ARMA模型的低复杂度优点，提出了EMD-ARMA模型，详细讨论了EMD-ARMA模型的建立过程，分析比较了EMD-ARMA的参数估计方法。针对两类实测互联网流量数据，在归一化自协方差指标下，检验了EMD-ARMA生成流量的性质，结果显示EMD-ARMA模型不但能够有效去除网络流量的长相关性，而且可明显降低流量模型的计算复杂度，为后文的网络流量预测提供了坚实的基础。第四，基于EMD-ARMA模型的网络流量预测。证明了在均方误差最小条件下的网络流量时间序列广义最优预测值的存在性和唯一性，并研究了线性条件下的最优均方预测值的性质。给出了EMD-ARMA模型的单步和多步预测系统结构：针对单步预测系统中存在的误差问题，提出了一种提升精度的方法，并依此对系统结构进行了改进，简化了模型，降低了模型的计算复杂度；推导了多步预测系统中预测误差与预测步长的数学关系，通过仿真实验对上述关系进行了验证，并根据多步预测系统中更新数据的信息量，给出了多步预测条件下的预测值修正方法。仿真结果表明，EMD-ARMA模型更适合于网络流量的短期预测，对网络的资源调配、异常监测等方面具有重要的应用价值。