A monitorização eficiente de redes e serviços tem um papel crucial no suporte à gestão e engenharia das redes de comunicações atuais. Obter uma visão realista do estado da rede sem, no entanto, interferir na sua operação normal é essencial no suporte à decisão dos operadores de redes e dos sistemas auto-configuráveis. Neste sentido, as técnicas de amostragem de tráfego procuram reduzir o impacto da monitorização no funcionamento da rede, mantendo a acurácia na estimação de parâmetros referentes ao seu comportamento estatístico. Embora seja observada uma evolução das atuais técnicas na correta estimação do desempenho da rede, o overhead associado ao volume de dados envolvidos nos processos de amostragem de tráfego ainda é considerável. Neste contexto, este trabalho propõe uma nova técnica de amostragem multi-adaptativa de tráfego, baseada em predição linear, que tem por objetivo reduzir significativamente o volume total de dados envolvidos na monitorização do estado da rede, sem comprometer a representatividade das amostras na estimação dos parâmetros em análise. A avaliação desta proposta, com base em coletas de tráfego real, demonstra que é possível reduzir significativamente o volume de dados analisado e mesmo assim alcançar, em vários parâmetros de caracterização, resultados mais precisos que as técnicas classicamente utilizadas.