本發(fā)明公開了一種基于事件關聯(lián)的網(wǎng)絡流量預測方法，步驟如下：步驟1、采集原始數(shù)據(jù)流或流采樣數(shù)據(jù)；步驟2、分析事件信息和流量信息；步驟3、使用運行周期中的節(jié)點事件序列與流量特征序列建立訓練集；步驟4、持續(xù)采集數(shù)據(jù)，根據(jù)協(xié)議分析，訓練神經(jīng)網(wǎng)絡，預測單節(jié)點或全網(wǎng)流量。本發(fā)明還公開了基于事件關聯(lián)的網(wǎng)絡流量預測系統(tǒng)，包括：數(shù)據(jù)采集模塊；數(shù)據(jù)建模模塊：將數(shù)據(jù)建立以節(jié)點相關的特征；神經(jīng)網(wǎng)絡訓練模塊：神經(jīng)網(wǎng)絡訓練，建立神經(jīng)網(wǎng)絡；預測模塊：使用流量特征和節(jié)點狀態(tài)，輸入神經(jīng)網(wǎng)絡預測后續(xù)流量趨勢。本發(fā)明實現(xiàn)了對事件相關型網(wǎng)絡的流量預測，解決了傳統(tǒng)時序預測方法在流量的時序和周期上存在的失效問題，可以廣泛應用于網(wǎng)絡領域。