随着信息技术的飞速发展，人们对网络的性能、规模以及功能的需求与日俱增，导致了现有网络面临着极其严峻的技术挑战。为了能够很好地应对这些技术挑战，这要求我们能够了解和把握网络行为，预测网络行为的变化趋势，从而改善和提高网络的性能。近年来，未来网络成为了业界的研究热点，不同于现有网络，未来网络应当具有良好的网络感知能力和智能决策能力，网络行为分析和预测技术将是其改善网络性能的重要技术手段之一。　　 首先，本文给出了网络行为的定义，指出网络行为应当包括网络侧行为和用户侧行为两大部分，并对两种典型的网络行为进行了特征分析，指出了网络用户行为的混沌特性以及验证了网络流量的自相似特性。　　 其次，本文引入复杂网络思想，提出了一种基于复杂网络理论改进的回声状态网络预测方法(CNESN，Complex Networked Echo StateNetwork)，并与传统的回声状态网络算法(ESN，Echo State Network)在预测性能、谱半径、记忆能力等方面进行了仿真分析和比较，得出了CNESN在预测性能等方面要优于ESN的结论。　　 再次，本文将所提出的CNESN用于网络用户行为及网络流量预测之中，从预测的精度以及训练用时等方面证明了CNESN是行之有效的。　　 最后，本文讨论了在一种基于虚拟化的新型分层网络体系结构下如何进行网络行为的预测，提出了一种基于CNESN的未来网络行为预测方案。