该文在完成自主开发网络测量工具的基础上,探讨了被动式流量测量技术的实现技术和性能分析.并在实际测量实验的基础上建立具有实际应用意义的流量模型.研究的主要内容包括以下几个方面:1.实现流量测量系统NetSCADA.NetSCADA包括两个子系统:基于链路监听的NetDataAccess与基于SNMP的NetSCAN.该文介绍了它们的设计实现与性能分析.它们被用于长期的实际网络测量,为流量特征分析和建模提供实验数据.2.细粒度自相似网络流量的快速模拟生成.自细粒度网络流量的自相似性被发现以来,大量的自相似模型被加以应用以提供网络研究的实验数据.但这些模型都只关注网络的自相似特性,且所需计算量大.该文给出两个利用小波分析快速生成网络流量的方法.与传统自相似网络模型不同的是,这两个方法不从网络流量的自相似性入手,而是通过小波分析,从其他统计特性入手,快速生成模拟流量,方法简单、便捷.对模拟流量的分析表明,在保留网络流量的一般统计特性和周期性的同时,样本业务流的自相似性也得以很好的保留.3.粗粒度宏观网络流量的分解模型.对于粗粒度的宏观网络流量,其统计特性不具有自相似性,而更类似传统的时间序列.多种研究表明在去除宏观流量的趋势性和周期性后,其剩余部分满足AR模型.该文在借鉴传统时序分析方法的基础上,给出对原始网络流量进行突变处理、缺损处理、趋势处理和周期处理的一套解决方法.4.适应任何时间粒度条件的流量预测模型.网络流量的预测是网络性能分析、网络管理和拥塞控制的重要手段.网络规模的扩大、网络带宽的提升、网络病毒的泛滥使得网络突发事件越来越频繁和紧急,对任意时间粒度网络流量进行预测越来越必要,而传统的网络模型是无法满足这一要求的.传统的网络模型要么针对自相似的细时间粒度流量的自相似,要么针对有趋势性和周期性的粗时间粒度宏观流量.而网络流量在不同时间粒度下表现出不同的统计特性.传统模型都只局限在对某一种网络流量的预测,缺乏对任意时间粒度网络流量进行预测的能力.该文提出利用FCRM算法的模糊回归模型来解决这一问题,并测实验证了其在对不同粒度条件的样本均具有良好的预测能力.此外,利用FCRM算法的运算结果,还可以进行平稳流量的模拟生成.