为了提高网络流量预测的精度，研究了一种融合小波变换与贝叶斯LSSVM的网络流量预测方法。首先将原始流量数据时间序列进行小波分解,并将分解得到的近似部分和各细节部分分别单支重构到原级别上;对各个重构后的序列分别用最小二乘支持向量机进行预测，将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择；将各个预测结果重构后得到对原始序列的预测结果。对比实验表明，该模型不仅具有较快的运行速度，而且具有较高的预测精度。