网络流量整形、调度、异常检测、管理与控制及保障用户的QoS质量需求等都需要了解其动态变化特性。网络流量存在多重性，主要有长相关、自相似和多重分形特性。本文在综述网络流量的长相关、自相似特性及其建模的基础上对其各种参数估计算法的性能进行了评价，并重点研究了小波法的流量特性刻画，包括离散小波变换的流量长相关检测及其参数估计；离散小波变换及其模极大值法的流量多分形特性检测检测及其参数估计原理、计算步骤，同时分析了各种算法性能特点。在理论分析和实验验证的基础上得到以下主要结论： (1)利用Hurst指数来判断序列是否具有长相关特性是一种比较有效的方法，但并不是一种完全正确的方法，在某些情况下，由于受到其它因素的影响还可能得出错误的结论。而且，在相同条件下，不同的估计算法所估计的结果差异较大。 (2)在已有的Hurst指数估计算法中，没有任何一种算法能够在任何情况下均表现出良好的性能。因为每种Hurst指数估计算法所使用的统计量都不同，因此不同的因素如周期性、非平稳性以及噪声等对统计量的计算结果有不同的影响。 (3)基于小波的Hurst指数估计器具有优越的统计特性，包括无偏、低方差及渐近高斯分布等。Hurst指数的估计结果应该接受指数时间一致性检验，只有接受指数一致性的检验结果，指数的估计值才具有意义，同时也表明相应的估计方法有效。 (4)小波法及其模极大法都能有效的刻画网络流量的局部变化多重分形特性，并能通过多重分形谱特征参数之间的差异描述不同业务流之间的差别，但在一定条件下，小波模极大法较离散小波法更能有效地刻画实际流量的局部变化特性。