文章针对网络流量时间序列的预测问题，提出一种基于变分模态分解（ｖａｒｉａｔｉｏｎａｌ　ｍｏｄｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＶＭＤ）－分散熵（ｄｉｓｐｅｒｓｉｏｎ　ｅｎｔｒｏｐｙ，ＤＥ）的多尺度组合预测方法。首先对流量样本数据进行混沌特性分析，使用改进的ＶＭＤ－ＤＥ方法对流量数据分解重构，减少周期性流量序列预测的随机性和计算复杂度；然后采用改进鸡群优化算法（ｃｈｉｃｋｅｎ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ，ＣＳＯ）优化Ｅｌｍａｎ神经网络与最小二乘支持向量机（ｌｅａｓｔ　ｓｑｕａｒｅｓ　ｓｕｐ