随着信息技术的迅猛发展,人们对软件产品的功能需求日益复杂、多变,导致构建的软件规模不断壮大,企业传统的开发方法很难应对这种大规模复杂软件的构建、维护、扩展等问题。基于服务组合的“系统的系统”(System of Systems,SoS)能有效应对上述挑战,它是把系统视为服务,将多个成员系统集成起来形成一个新的系统SoS。通过服务化的思想可以实现成员系统(组件系统)之间的松散耦合、跨平台等特性。各组件系统可以各自分布、管理、运营维护,由于组件系统内部运行状态和外部运行环境的复杂多变,组件系统的性能可能随时发生波动,进而影响整个SoS的稳定运行。因此,对于SoS的系统运行质量保障显得格外重要。这种SoS组件系统在线可靠性预测技术,通过预测组件系统在不久将来的可靠性,预测结果可以发现错误并及时改正,从而保障SoS持续健康运行。然而,由于组件系统所处环境(如网络环境、安全环境)复杂多变,以及其自身运行环境(包括软、硬件环境)的不确定性,导致组件系统发生错误呈现不明显的规律性。因此,这种动态、不确定的可靠性预测是一个亟待解决的挑战性问题。针对这种动态、不确定的组件系统可靠性预测问题,本文对传统的最大熵马尔科夫模型进行改造,引入了时间序列motifs的概念,提出一个基于motifs的最大熵马尔科夫的新的预测模型(m_MEMM)。通过组件系统的历史系统参数训练预测模型,进而开展组件系统的可靠性预测。在此基础之上,本文给出了一套完整的预测方法。最后,通过实验的验证和分析了本文提出预测模型和方法的正确性、准确性。