当前,Web服务的规模不断增大,具有相同功能的Web服务也开始大量出现。当用户发起功能请求时,很难在众多同功能的Web服务中快速的挑选出服务质量较好的Web服务。与此同时,由于用户所处网络环境的不同,也使得他们调用的相同Web服务提供了不同的服务质量。因此,众多的研究者开始提出基于QoS预测的服务选择方法。但是,在将众多国内外研究成果的预测方法应用于移动互联网下时则会出现较大的预测误差。究其原因,此类误差都是由于波动性的网络环境造成的。为了解决以上问题,论文提出了适用于移动互联网环境下的基于QoS预测的服务选择方法。该方法主要在以下环节进行了优化:1)在数据预处理方面,采用了简单有效的对数预处理的方法。该方法有效的降低了历史QoS数据波动性对后续预测的影响,并且在一定程度上保留了网络的波动性特征。2)在相似度计算方面,采用了改进的皮尔逊相关系数的计算方式以及有效的相似度衰减方法,显著的提高了相似度计算的准确度。3)在缺失值预测方面,采用了区间筛选的方法以及相似度权值计算的方法进一步提高了 QoS预测的准确度,降低了波动性的影响。4)在服务选择方面,采用了综合度较高的倾向度计算的方法。综合考虑用户对各方面服务质量的倾向程度,力求为用户提供最优质的服务选择。测试结果表明,该方法能够降低波动性对预测结果的影响并有效提高服务选择的质量。