简介： 本发明公开了一种基于事件关联的网络流量预测方法，步骤如下：步骤1、采集原始数据流或流采样数据；步骤2、分析事件信息和流量信息；步骤3、使用运行周期中的节点事件序列与流量特征序列建立训练集；步骤4、持续采集数据，根据协议分析，训练神经网络，预测单节点或全网流量。本发明还公开了基于事件关联的网络流量预测系统，包括：数据采集模块；数据建模模块：将数据建立以节点相关的特征；神经网络训练模块：神经网络训练，建立神经网络；预测模块：使用流量特征和节点状态，输入神经网络预测后续流量趋势。本发明实现了对事件相关型网络的流量预测，解决了传统时序预测方法在流量的时序和周期上存在的失效问题，可以广泛应用于网络领域。