自从1993年W．E．Leland等人正式将分形学中“自相似”的概念引入通信领域的网络业务量研究中，由此而发展起来的用尺度伸缩(scaling)特性来表征业务量的思路为网络理论的发展开辟了崭新的空间。同时，这也对网络性能的分析，服务质量的控制，以及网络设计产生了，并将继续产生深远的影响。十余年的研究和探索揭示了诸如自相似、长程相关(LRD：long-range dependence)、重尾分布、多分形等重要的网络业务量特性。而随着网络业务内容和网络整体构架的发展，这些特性是否存在?或者发生了怎样的变化?因此，确认、定量和建模那些网络业务量中不变或缓慢变化系统特性的业务量表征工作仍然十分重要。 整个Internet网络有着巨大的复杂性，并且其复杂度在不断增加。这使得愈来愈多的研究者认为应该用描述复杂系统(如湍流)的动力学理论来刻画业务量。无穷可分层叠(IDC：infinitely divisible cascades)模型(简称：层叠模型)正是此理论的新兴内容。这里层叠概念出自对二项测度构造中反复迭代过程的形象描述。本文就致力于用此模型来探索业务量的表征，主要内容包括了层叠模型的判定、分析、估计和合成。 随着网络技术的不断发展和更新，许多研究者投入到分组网络业务量的研究之中，并根据各自的学术背景提出了各种业务量表征的概念和模型。本文在第二章较为全面地总结了这些概念和定义，探究其理论依据、本质内涵和相互联系。由此归纳出业务量表征的两条主线：一是点过程、更新过程和随机游动及其衍生的传统概率论和排队论方法。Markov序列/过程派生的模型也可以归入此类。另一条线则是自相似，多分形，到IDC等分形学中尺度伸缩(scaling)过程(简称尺度过程)的逐步拓展。自相似是多分形的特例，而多分形又是IDC的特例，因而本文将三者看作层叠模型的三种类型。并且将尺度过程与层叠模型相等同。以上业务量表征第一主线能直观表现分组的产生或到达，反映了业务量“面”的内容；而本文认为尺度过程一线能真正定义了业务量各时间尺度间的本质关系，并且反映协议栈、网络结构等“质”的内容。另外，本文将LRD性、1/f性、重尾分布和回归模型等概念列为以上主线的补充。 本文的第三章研究层叠模型三种类型的判定方法。以往多种时域上自相似