大量研究结果表明实际网络流量具有明显的尺度特性,在大尺度上表现为自相似(单分形),在小尺度上表现为多重分形。多重分形为刻画流量在小尺度上的奇异性提供了良好的数学框架。而小波变换对具有长程依赖性的流量起到了去相关的作用,因此有必要利用小波技术来研究多重分形。同时网络流量的多尺度特性也需要研究人员利用新的方法来探讨流量本质特征。流量的多重分形特性对网络性能有着非常重要的影响,建立一个基于多重分形特性的实际流量的业务模型很有必要。本文首先从实际网络流量的特征入手,分析研究流量的全局尺度和局部尺度特性,确定流量的分形特性与产生分形的时间,并且比较不同类型的流量在不同尺度下所表现出的性能,分析了产生这种现象的原因。为了深入研究在多重分形条件下影响实际流量特性的因素,以小波变换为基础,采取对实际流量分组的方法,分别进行组内打乱和组问打乱,发现均值和方差对多重分形有较大影响。其次,利用小波变换能够去除实际流量相关性的特点,结合实际研究过程中所发现的不同类型的流量具有不同的分形特性的结论,建立新的合成模型,提高合成流量的精度,并且通过对合成后的流量进行尺度刻画和性能评价,验证了新模型的正确性。最后,对建立一个基于多重分形特性的可以同时预报长相关和短相关特性的实际网络业务模型的必要性进行讨论,针对AR、ARMA等模型对短相关数据能较好的预测而对长相关数据预测精度不高的特点,并结合小波变换能够去除实际数据相关性的优势,建立新的预测模型,该预测模型对长相关数据同样具有比较高的预测精度。同时,改进后的模型也克服了FARIMA模型计算量比较大的缺点,保持了算法的简单性。