随着无线网络及其应用的迅速发展,网络规模逐渐增大,网络应用变得越来越复杂,网络的管理工作也日益繁重。加上无线网络具有无线传输的介质、动态改变的拓扑、缺乏监督等特点,使其极易遭受攻击,造成网络异常事件频频发生。为了实现数据传输的可靠性及网络资源分配的合理性,需要有针对性的了解网络的控制机制及复杂的网络特性。进行网络流量预测及网络异常检测对于在大规模网络中的维护、规划及设计都具有非常重要的意义。　　 本文的主要研究目的是通过建立预测模型来提高网络流量预测的精确度,并在此基础上建立了对网络安全事件的检测机制。　　 首先,全面叙述了无线网络的特征及体系结构,介绍了国内外相关研究现状,为后续的研究奠定了理论基础；　　 其次,分析了在真实环境下的网络流量所呈现出的几个主要特性,然后介绍了几种网络流量的预测模型；　　 第三,建立了ARMA预测模型。首先对网络流量进行平稳化预处理,经过平稳化处理后,采用AIC准则对模型定阶,并对估计参数使用动态实时求解的方式,实验结果表明,该模型比AR模型和MA模型具有更高的预测精度,且该模型在一步预测情况下的预测结果比多步预测时更能反映出真实流量数据的变化趋势；　　 第四,将网络流量预测技术应用到网络安全事件中。通过对网络流量进行预测,得到预测值,将预测值与实际值的差值与预定的阈值进行比较来建立网络安全事件的异常检测机制,通过以DDoS攻击为例进行的网络模拟,表明该机制具有较高的检测率和较低的误警率。