1.一种网络流量快速分配的方法，其特征在于，具体包括以下的步骤：
步骤一、在一段时间内，对网络系统的网络流量进行监测，获得该网络中所有用户的历史网络流量数据，该历史网络流量数据记载了该网络系统每一时刻的网络总流量值及其规律、以及各用户的每个网络业务对网络流量的占用规律；
步骤二、对用户进行优先权由高到低排序，用户所使用的网络业务进行优先权由高到低排序；
所述网络系统中每个用户均实时发出网络业务请求，并在网络业务请求得到允许的情况下，在下一时刻执行相关网络业务，若网络业务请求未得到允许，则在下一时刻继续发出该网络业务请求；
同时实时监测获取当前时刻t内网络系统的实时网络流量数据；该实时网络流量数据记载了该网络系统时刻t内的实时网络总流量值、以及各用户的每个网络业务对网络流量的实时占用值；
依据所述实时网络总流量值以及历史网络流量数据中网络总流量值的规律，预测下一时刻t+1时的预测网络总流量值；
判断t时刻时，所有的网络业务请求中所涉及的请求网络业务的总流量值与所述预测网络总流量值之和是否高于所述设定阈值，若是则进入步骤四，否则允许所有的网络业务请求并重复步骤三；
步骤四、依据所述各用户的每个网络业务对网络流量的实时占用值，以及所述历史网络流量数据中的各用户的每个网络业务对网络流量的占用规律，预测下一时刻t+1时的预测用户和预测网络业务；
然后依据t时刻的网络业务请求，将网络业务请求所涉及的请求用户按照优先权进行排序，然后在请求用户的排序下，将每个请求用户对应的请求网络业 务按照优先权进行由高至低排序，由此获得所有请求网络业务的排序；
选取所有的预测网络业务，并按照排序由高至低顺次选取请求网络业务，直至所选取的预测网络业务和请求网络业务所占总网络流量等于所述网络系统的总带宽，则允许所选取请求网络业务对应的网络业务请求；
重复执行步骤二～步骤四直至所述网络系统中所有网络业务执行完毕。
2.如权利要求1所述的网络流量快速分配的方法，其特征在于，依据所述实时网络总流量值以及历史网络流量数据中网络总流量值的规律，预测下一时刻t+1时的预测网络总流量值，以及依据所述各用户的每个网络业务对网络流量的实时占用值，以及所述历史网络流量数据中的各用户的每个网络业务对网络流量的占用规律，预测下一时刻t+1时的预测用户和预测网络业务时，采用的预测方法为马尔科夫预测法。
3.如权利要求1所述的网络流量快速分配的方法，其特征在于，依据所述实时网络总流量值以及历史网络流量数据中网络总流量值的规律，预测下一时刻t+1时的预测网络总流量值，以及依据所述各用户的每个网络业务对网络流量的实时占用值，以及所述历史网络流量数据中的各用户的每个网络业务对网络流量的占用规律，预测下一时刻t+1时的预测用户和预测网络业务时，采用的预测方法为具体包括以下的步骤：
(1)、对实时网络流量进行分析，取N组历史网络流量，每一组都包括当前时刻t的历史网络流量L(T)以及下一时刻T+1的历史网络流量L(T+1)；
(2)、将L(T)和L(T+1)分别划分为多个网络流量区间，判断当前实测网络流量L(t)对应到L(T)的网络流量区间，根据区间中的历史网络流量L(T)，得到对应的L(T+1)的网络流量区间；
(3)、在选择出的L(T+1)的网络流量区间中找到包含L(T+1)值最多的网络流量区间，将其作为预测流量区间；
(4)、根据预测流量区间得到预测流量。
4.如权利要求3所述的网络流量快速分配的方法，其特征在于所述根据预测流量区间得到预测流量具体为：预测流量区间的最大值作为预测流量，或者预测流量区间中历史数据的最大值作为预测流量，再或者预测流量区间中历史数据的平均值作为预测流量。
5.如权利要求1所述的网络流量快速分配的方法，其特征在于，依据所述实时网络总流量值以及历史网络流量数据中网络总流量值的规律，预测下一时刻t+1时的预测网络总流量值，以及依据所述各用户的每个网络业务对网络流量的实时占用值，以及所述历史网络流量数据中的各用户的每个网络业务对网络流量的占用规律，预测下一时刻t+1时的预测用户和预测网络业务时，采用的预测方法为人工神经网络学习法。
6.如权利要求1所述的网络流量快速分配的方法，其特征在于，依据所述实时网络总流量值以及历史网络流量数据中网络总流量值的规律，预测下一时刻t+1时的预测网络总流量值，以及依据所述各用户的每个网络业务对网络流量的实时占用值，以及所述历史网络流量数据中的各用户的每个网络业务对网络流量的占用规律，预测下一时刻t+1时的预测用户和预测网络业务时，采用的预测方法为具体为：先通过马尔科夫预测法得到预测状态，再送入人工神经网络进行学习，人工神经网络根据预测状态对网络流量进行拟合，从而给出预测的网络流量。