1、由于網絡環(huán)境的開放性、服務自身負載的波動性、用戶需求的不確定性等復雜易變的環(huán)境因素，導致Web服務的服務質量(Quality of service,QoS)呈現出高度的動態(tài)性，并且QoS是制約服務選擇及組合成敗的關鍵性要素，如何準確地預測服務的QoS已成為服務計算與云計算領域亟需解決的關鍵問題。用戶使用服務場景的多樣性、Web服務QoS數據豐富程度的差異性以及QoS預測方法自身的局限性等因素的影響，使得實現多種情景下Web服務QoS的高

2、效預測成為當今研究的重點。
　　針對多情景中Web服務QoS高效預測這一問題，本文構建了Web服務QoS自適應預測模型(Web service QoS adaptive prediction model,WS-QoSAPM)。該模型將QoS預測分為即時QoS預測和一段時間之后的QoS預測，分別實現了不同場景中QoS預測方法的研究。本文研究內容如下：
　　1.在即時QoS預測中，提出了基于改進蜂群算法(Improved art

3、ificial bee colony,I-ABC)優(yōu)化的支持向量機(Optimized Support vector machine，O-SVM)和事例推理(Case-based reasoning,CBR)的Web服務QoS預測方法。根據實驗結果構建了QoS自適應預測策略：在QoS數據量不充分時，選用CBR策略完成QoS預測；當QoS數據較為豐富時，采用O-SVM對QoS進行預測。
　　2.針對一段時間之后的QoS預測，提出了基

4、于O-SVM+CBR和O-SVM+O-SVM的QoS預測方法。其中，O-SVM+CBR方法使用O-SVM方法實現負載的預測，然后基于CBR方法完成QoS預測；在O-SVM+O-SVM方法中，同樣使用O-SVM方法完成負載的預測，然后基于O-SVM方法對QoS進行預測。通過實驗分析得到了自適應預測策略：當QoS數據較少時，選擇基于O-SVM+CBR算法的QoS預測方法；當QoS數據較為豐富時，選取基于O-SVM+O-SVM策略的QoS預測