摘要：本文分析了网络流量数据的特性，针对传统预测算法在预测网络流量时的缺陷提出了一种基于相关分析的相关局域最小二乘支持向量机（LSSVM）预测算法。算法在对训练数据重构相空间后，利用相关分析同时从距离相关和时间相关的训练样本中选择最优的训练子集，结合自适应参数优化的LSSVM预测模型对小尺度网络流量进行预测。通过选用实际情况下的网络流量数据对算法进行测试验证，结果显示本文所提算法不仅优于传统的全局预测算法，同时也优于各种改进的局域预测算法。算法不仅在预测精度上取得大幅的性能提升，同时能够通过留一交叉验证法在预测之前就完成预测模型和训练子集的优化。

关键词：网络流量预测 混沌时间序列预测 最小二乘支持向量机 局域预测 

单位：北京邮电大学信息与通信工程学院 北京100876