针对传统网络流量预测精度低难题，为了获得理想的网络流量预测结果，提出一种基于高斯过程回归(GPR)的网络流量预测模型。该模型首先计算延迟时间和嵌入维数，构建高斯过程回归的学习样本；然后采用高斯过程回归对网络流训练集进行学习，并采用入侵杂草优化对高斯过程回归的参数进行优化；最后采用经典的网络流量测试集对该模型性能进行实验测试。实验结果表明，高斯过程回归模型提高了网络流量的预测精度。
