近些年,云计算技术凭借其超大规模、高扩展性、高可靠性、虚拟化和按需服务等优点得到了快速发展。它可以提供按需付费的资源租赁模式,但是静态的供应方式不够灵活,用户租用云资源时会存在极大的资源浪费现象,因此云环境下的资源管理技术已经成为当前云计算研究领域的重要技术之一。在资源需求的突发场景下,通过对负载请求量及资源需求量进行精准预测,可以有效地管理资源,实现资源利用率最大化。使用预测技术来管理云资源需求,预测未来一段时间的资源需求情况,可以实现对资源的动态分配,具有重要的理论意义和实用价值。本课题关注于云环境下资源管理预测技术,分析和对比了当前云负载预测技术的关键性问题。针对传统的预测方法难以很好适应于动态变化的云负载资源需求现状,将云资源需求按照负载差值划分为三个时期:云负载平稳期、云负载波动期、云负载抖动期。将三支决策理论引入云负载预测技术,开展一系列基于三支决策的云负载需求预测研究。(1)针对云负载特征动态变化不规律,难以界定平稳期和抖动期的阈值问题,本课题通过增加一个边界域延迟决策的方法,将传统云负载变化时期的二支情况拓展到三支情况,提出一种面向云负载变化的三支决策边界域处理模型。首先,根据云平台历史运行数据,分析了云负载需求变化特征规律;然后,通过增加一个边界域的延迟决策方法,进行阈值的划分处理,将用户资源需求规律划分成三个不同的时期。此时,将具有充分把握确定其属于负载平稳期或者负载抖动期的对象,直接判定到正域或负域,而信息相对不确定的负载波动期对象,则作为边界域等待进一步处理;最后,利用云负载需求变化的三支划分结果,有针对性的开发相应的策略:对于正域和负域中对象采用立即决策的方法,而对于难以界定的边界域对象,采用延迟决策的方法,提出一种基于代价评估的三支决策边界域处理模型来进行再划分处理。(2)针对传统单一预测模型难以兼顾不同时期的资源需求预测问题,本课题从分而治之的角度出发,开展对动态变化的云负载预测研究,提出一种三支决策视角下的云平台负载预测模型。首先,从宏观的角度分析一个基于三支决策的云资源预测系统所需具备的功能以及所需流程;然后,对不同时期进行针对性地进行负载需求预测:对于负载平缓期采用于平稳、线性趋势的时间序列预测模型,对于负载抖动期采用短期预测模型,而对于负载波动期采用代价评估的边界域处理模型,从而构建了一种基于三支决策的云负载需求预测模型;最后,对本课题提出的模型设计了评估对比实验,实验结果表明,本课题提出的方法具有较高的预测精准度,能够有效地降低预测误差,实现较低的违约率。