随着网络规模的快速增长，以视频会议、视频点播、e-Science海量数据传输等Qos敏感的实时业务和多媒体应用为代表的网络应用不断增加，而庞大的网络结构也日趋复杂和多样，如何通过有效的网络测量和分析去了解和控制网络内部信息和运行状态，为终端用户和各类型应用提供更为可靠的端到端服务质量保证，日渐成为一个广泛关心的问题。　　 目前，网络测量和分析领域的相关研究很多，本文主要依托于中国科技网实际网络环境及中国科学院各学科如高能、天文、大气等领域对于大规模科研数据传输所提出需求和面临问题，针对端到端网络性能，可用带宽测量方法评价及改进，网络测量平台等几方面关键技术进行研究。　　 本文首先通过分析天文e-VLBI(Very Long Baseline Interferometry)数据传输网络性能测量时遇到的问题，总结出现有网络测量与分析方法及平台的局限性，然后通过大量模拟实验，对现有的主要端到端可用带宽测量方法做出性能评价。在此基础上，提出了一种基于神经网络的端到端可用带宽修正方法。作为前述工作的一种实现，提出了一种基于云服务模式的网络测量与分析架构。最后，提出了一种通用的绿色计算系统评价体系及网络测量系统节能框架。　　 本文主要从以下几个方面进行研究：　　 1)通过天文e-VLBI数据传输实际网络性能测量，发现了其测量与分析过程中环境部署复杂，资源利用率低，测量方法评价不足的问题，结合现有网络测量体系，总结出多终端应用场景下网络测量与分析方法的不足。　　 2)提出了一种面向应用的端到端可用带宽测量影响因素评价方法，对端到端可用带宽测量性能做出评价。针对现有可用带宽测量方法，选取影响因素，通过调整各影响因素在不同网络环境的多个值，对可用带宽测量值的影响度进行定性分析，从而有效评价可用带宽测量值，寻找出不同测量方法所适应的环境，为实际测量中的方法选择提供依据，也提供了达到测量方法能够高效智能地使用的一种思路。　　 3)提出了一种基于广义神经网络的可用带宽修正框架及方法。在进行网络带宽测量时，由于测量工具本身的局限性，测量所得可用带宽数据有一定误差，本文根据已有的网络模拟环境数据以及通过工具测量的结果，采用基于广义回归神经网络的推测方法，对可用带宽做进一步修正，得到了相对更为准确的可用带宽。　　 4)提出了一种基于云服务模式的网络测量与分析架构-CS-Measure，它将网络测量以服务模式与不同用户共享，减轻了测量单个应用系统的负担，并完成了其体系结构、功能模块及工作流程的设计，通过模拟网络环境实现其原型系统，证明了其可行性及在测量效率上的优势　　 5)在分析绿色计算的起源与概念的基础上，建立绿色计算系统的评价系统，进而提出评价流程及方法，对绿色计算系统的评价提供了一种有效途径。在此基础上，对网络测量系统的节能策略进行研究，提出了网络测量系统节能框架。