在软件可靠性领域中，基于失效数据建模的可靠性预测方法主要利用随机过程与统计分析方法或通过机器学习与时间序列分析方法，研究软件失效与软件可靠性之间的关系。由于软件失效数据在实际收集过程中，具有人为因素和其他客观因素的干扰，使得最终的统计结果不可避免地携带一些噪声，不论是经典软件可靠性模型还是基于数据驱动的软件可靠性模型，都无法在绝大部分数据集上取得令人满意的结果。本文在充分分析软件失效数据的基础上，以减少软件失效数据序列噪声的影响、提高可靠性模型的拟合、预测精度和通用性为目的，提出了基于失效数据序列分解与重构的软件可靠性预测分析方法。本文有以下三点创新之处:第一,基于残差序列的软件可靠性预测模型。在深入研究ARIMA可靠性预测模型与GEP可靠性预测模型的基础上,根据ARIMA模型与GEP算法的特点，提出了应用范围更广泛,与实际情况更吻合的模型。第二,基于经验模态分解的软件可靠性预测模型。利用EMD方法提取出能描述软件失效特征的不同特征数据序列，然后结合支持向量回归和灰色预测理论对预处理数据进行建模和预测，最后将得到的预测结果进行重构得出最终的预测结果。第三,基于奇异谱分解的软件可靠性预测模型。利用SSA分解方法将软件失效数据序列分解成若干个相互独立的子序列，然后利用灰色预测理论与ARIMA算法对各个子序列分别进行建模预测。最后，结合三种基于分解与重构的可靠性模型的实验结果进行讨论，给出各个模型适用的场景。