随着网络技术的迅猛发展,网络的规模越来越大,结构越来越复杂,传统的网络管理系统已经无法满足现代网络管理的需求。为了保证网络的运行效率和性能,新一代网络管理系统的开发迫在眉睫,因此对网络管理系统中的关键技术进行研究有着重要的意义。本文对网络信息采集方法和网络流量预测方法进行了深入的探讨和研究,主要工作如下:　　设计了一种基于SOAP和多线程的网络信息采集器。该信息采集器利用SOAP的开放性、轻量级机制等特点,降低了与网络管理系统中其它功能模块的耦合性,利用多线程的并行运行能力,提高了信息采集业务的处理速度。　　针对网络流量监视中对同一流量对象频繁访问的情况,设计了一种网络流量预先采集方法。该方法提高了网络流量采集的效率,缓解了网络管理系统中网络流量采集的延时问题。　　采用了一种异步采集的方式对网络设备配置信息进行采集。该方式不仅简化了网络设备配置信息的采集过程,而且解决了传统方式中该过程的长时间等待的问题,使配置信息的管理更具灵活性。　　提出了一种基于趋势划分的灰色马尔柯夫流量预测方法。该方法利用了灰色理论预测方法诸如所需原始数据少、计算简单的优点,结合了马尔可夫链的非线性拟合能力,提高了对频繁振荡的网络流量数据的预测精度。通过实验分析和比较,证明了该方法在网络流量预测中的有效性。