【摘要】： 随着互联网技术的迅速发展,网络数据中心不断上升的电力成本已经成为能源消耗方面一个不容忽视的问题。现有的网络数据中心节能方案主要侧重在服务器和制冷设备两个方面,在转发设备如交换机的节能问题上的研究不多。软件定义网络(Software Defined Network,SDN)是一种发展潜力巨大的新型网络架构,它的核心思想是转发与控制分离,将智能集中到控制器上进行集中控制。SDN灵活性高,并且方便管理员操作,集中控制可以减少冗余,提高效率。基于上述现状,论文首先介绍了网络流量预测的研究背景和现状,对相关技术作了详细的阐述;然后,提出了一种基于深度学习流量预测的节能框架,并对该框架的机制进行了充分的研究和探索,对框架中涉及的每个模块的功能和作用都进行了研究;接着,本文对SDN中的网络流量预测模型问题进行了研究,提出了一种基于深度学习模型(NTPNN)的流量预测方法,并通过实验验证了流量预测模型的可行性。本文将流量预测模型部署在控制平面,开发了一套基于深度学习流量预测的节能系统,其核心思想是:在预测交换机转发流量不大的情况下尝试使交换机端口进入休眠,并将流量规划到其它路径上,从而实现SDN转发设备的节能。最后,本文通过实验验证了节能系统的有效性,达到了转发设备节能的效果。