传统网络中存在资源利用率低、问题解决局部性和业务QoS无法保证等问题。随着互联网的快速发展,人们对网络的QoS提出了更高要求,认知网络的提出为以上问题的解决提供了可能。认知网络在传统网络的基础上,加入学习推理、智能决策等机制。与传统网络相比,认知网络具备了更多的智能性,能对网络状况进行感知,能够根据全网的实际运行情况作出更加理智的决策,提供更优质的网络QoS,提高网络资源的利用率。本文首先对认知网络相关理论进行深入研究,对认知网络、流量预测和负载均衡的国内外研究的现状和发展趋势进行了仔细分析。本文将认知网络、流量预测以及负载均衡相结合,以融入了认知、推理和智能决策等理念的网络流量预测和负载均衡来实现了认知网络,使网络具备了更多的智能性和合理性。本文在介绍传统网络流量预测和负载均衡所使用的方式方法的基础上,阐述了将二者应用于认知网络的作用和重要意义,并提出了基于二态马氏链的认知网络流量预测模型、基于流量预测的负载均衡控制模型。最后给出了认知网络流量预测和负载均衡子系统中模型的具体算法、仿真结果、设计和实现。本文最后搭建了实验平台,介绍了认知网络流量预测和负载均衡子系统设计开发和测试过程中的主要工作内容,其中包括系统部署、系统结构设计、系统功能介绍、系统模块详细设计和系统测试等内容。