云计算是一种基于互联网的网络计算的商业服务模式,它以构建大规模基于集群系统的数据中心为基本思想,采用成熟的虚拟化技术将集群中的各种资源构成资源池,向用户提供服务。资源的动态变化,使得云计算在将任务分配到资源上时,面临调度失衡以及系统运行效率降低等问题。如何预测或监测资源的变化情况,制定合理的任务调度策略,维护资源的负载均衡,提高调度效率,是云计算任务调度需要考虑的重要问题。　　针对上述问题,本文提出一种基于资源预测的云任务调度算法。该算法首先针对云环境下计算资源的使用状况,提出了采用基于混沌搜索的LS-SVM资源预测模型。LS-SVM预测模型在泛化推广、预测准确性以及解决非线性问题等方面都具有良好效果。但是,对于不同类型、不同容量的样本以及不同的应用环境下,模型的参数需要优化以适应其环境。混沌搜索具有遍历性、随机性、可以进行全局和局部寻优,但其存在初值敏感问题。本文给出一种基于多种初值进行混沌搜索寻找预测模型的最优参数的方法,来提高预测模型的预测精度。　　其次,根据预测模型的预测结果,结合以时间跨度和负载均衡为最终调度目标的调度方式,给出一种基于资源预测的任务调度算法。资源预测基于云系统中计算资源的历史状态和当前状态,采用上述提出的预测模型预测计算资源未来的使用状况,再结合K-means算法对任务和预测得到的资源使用状况分别进行聚类处理,最后根据完成时间最小的原则完成任务和资源的映射。在满足用户提交的任务对资源的需求的同时提高了资源的利用率,且使系统具有稳定的负载均衡性能。　　最后,通过CloudSim仿真平台对本文提出的算法进行仿真测试,实验结果表明,本算法在满足任务对资源性能需求的同时能够较好地兼顾到系统的负载均衡与时间跨度性能。