论文中提出了一种可扩展的资源和环境智能监控系统，该系统可以很方便的添加其他监控对象。我们通过对比几种常用数据挖掘技术来选取一种合适的算法应用到系统中。在本文中通过结合监控系统的特点，对几种比较常用的数据挖掘算法进行深入分析。本文主要对网络流量预测算法进行分析与应用。首先根据几种不同的网络流量预测算法如神经网络、遗传算法、支持向量机等分析算法的优劣性，并根据网络流量历史数据使用Matlab建立几种算法预测模型，得出基于遗传算法改进的神经网络模型的预测结果较好的结论。基于遗传算法改进的神经网络的预测模型，主要用遗传算法改进了神经网络隐含层节点的个数选取以及初始权值阈值。系统其它监控数据如果需要预测我们也可以通过同样的方式选择常用的模型，实验分析，最后在系统中实现。而系统异常的诊断我们结合改进了的神经网络算法对系统异常情况进行判断，系统根据历史数据进行神经网络训练，然后系统运行时采集原始数据经过一定的预处理后作为异常判断模型输入，从而给出系统异常情况发出报警。可以通过人工干预神经网络再学习的方式来提高判断模型的正确率以及降低其误报率。从而实现对一个资源与环境系统实时状态的良好监控，通过上面的方式对系统监控参数预测实现对系统状态的预测，为预警提供支持。从而可以使管理人员更及时的预防和发现系统异常情况。其次论文详细介绍了监控预警系统整体架构、系统的整体设计。系统包括SMT监控管理中心、SMT下级监控中心、数据采集中心、数据中心、报警中心5个子系统。对于监控系统最重要的数据采集模块文中也做了非常详细的说明。该系统扩展的主要涉及采集动态库的添加、数据库表的建立、控制该采集项、采集数据展示的设置。系统的具体实现主要介绍了SMT监控管理中心以及SMT下级监控中心使用的主要技术以及开发语言。SMT下级监控中心的实现是基于C++编程实现的，对于每一个监控项都是通过编写一个特定的数据采集模块来获取数据，系统运行时会调用这些程序去获取数据。SMT监控管理中心系统是基于j2ee编程实现的。我们基于java已有的一些神经网络的库来实现系统中的监控数据的预测与系统异常的诊断。