本文提出基于数据挖掘技术的网络性能分析方法。通过数据挖掘技术可以从实时采集的网络性能数据中，选择所需预测的性能指标如吞吐量，应用服务的响应时间，包延时等，并从大量的节点和链路属性中动态发掘出跟这些性能指标的关联以及跟时间序列 相关的模式,以预测将来的网络性能。 本文在研究了数据挖掘中的各项算法的基础上,从中选择高效而准确的C4.5决策树分类算法作为网络性能预测模型的建模工具。并通过模拟软件OPNET进行仿真建模，构造了一个局域网拓扑结构，在进行多种业务流量和背景流量的模拟，令其产生大量的性能问题发生时刻的场景数据,作为训练学习并建模的数据源。 本文用VB和MS SQLSERVER实现了对性能数据进行数据挖掘建模的完整的流程和系统原型，通过在源数据集上新构建一个跟时间序列相关的特征属性class，来对性能指标的未来发展趋势做出判断和预测。同时采用了适当的采样技术，在保证模型较高的预测准确率的前提下，改善了挖掘系统的性能，以适应网络性能分析这一特定应用领域的要求。