随着社会和科技的飞速发展,网络已经成为我们严重依赖的神经枢纽。网络和业务的规模也随之扩大,网络变得更加多样和复杂,使得传统的网络管理工作面临更加艰巨的挑战。如何确保网络正常、高效、稳定地运行,科学准确地预测网络状态变化的趋势,是当今网络管理工作亟需解决的问题。因此,网络运行态势相关技术应运而生。网络运行态势是指网络中的各种网络设备元件和网络业务系统的运行状况、网络行为以及用户行为等因素共同组成的整个网络的当前状态和变化的趋势。本文主要从网络业务的角度出发,将大数据和模糊理论相融合,围绕网络运行态势预测预警进行展开研究。本文重点解决了如何设计直观有效的预警框架、如何构建综合全面的测度指标,如何科学准确的预测网络变化趋势。主要内容如下:(1)设计了网络运行态势预警框架。本文基于层次化的管理结构,提出了基于业务的预警框架,自底向上地区分每个层次所起的作用,使网络管理工作更有逻辑层次性。其中,将业务层与网络故障相结合,提出了由故障求解影响业务集的方法,使网络层和业务层完美衔接。(2)构建了综合全面的网络运行态势测度指标。针对现今网络中部分网络设备的损坏并不导致网络业务的非正常运行的现象,本文着重考虑网络业务的特性,提出了网络运行态势测度指标二元组<业务实际损失,业务潜在风险>,使得指标考虑更综合全面、含义更形象化。(3)改进了模糊时间序列预测模型。针对预测模型中模糊区间的划分效果不理想而且可解释性差的问题,本文提出了针对传统模糊C均值聚类算法的初始聚类中心敏感和预先设定最佳聚类数的改进方法,使得聚类效果更准确,提高了自适应性。针对预测模型中提取模糊信息时忽略较小隶属度的问题,本文提出了基于二阶马尔科夫模型的预测方法,能够保留隶属度的全部信息,同时还能提取样本序列中的特征信息,提高预测精度。