如今,科学技术的发展速度越来越快,人们生活中越来越离不开计算机以及以计算机为依托的各种应用服务软件。然而,随着人们对软件服务性能要求越来越高,软件的设计也变得越来越复杂。软件服务长时间不间断的工作,不可避免地会出现许多问题。软件老化就是可能会出现的一种现象,主要表现为软件在长时间运行的过程中随时间的推移而出现系统性能衰退、服务质量下降、运行速度降低、甚至出现宕机等情况。软件老化发生的主要原因是由于资源的耗尽、内存泄漏、未释放的文件资源、存储空间碎片以及内部错误条件累积等。如果软件服务不能够稳定、可靠、高效地工作,都将会带来不可估量的损失。所以,软件老化问题的研究是十分必要的。本文选择使用软件系统的平均负载情况以及平均响应时间作为衡量系统软件老化的重要依据。系统的平均负载情况能够反映当前系统所承受的压力,而平均响应时间则能够直观的反映当前系统的处理能力。通过预测系统的平均负载情况判断软件系统是否处于老化状态,为采用软件再生策略提供理论依据。本文首先采集系统长期运行过程中的重要性能参数数据,通过特征选择获得合适的特征集。然后,我们以多元线性回归算法为基础构建软件老化的预测模型,预测系统运行的状态,实验结果表明,基于多元线性回归的预测模型能够预测系统负载的变化趋势,但泛化能力需要进一步提高。为了解决这个问题,进一步提出了一种基于AdaBoost算法的多元线性回归模型。该模型将多元线性回归算法作为基学习器,通过AdaBoost算法集成学习的特性提高预测的准确度。实验结果表明,模型具有良好的泛化能力,能够提升预测准确度。