随着计算机技术的飞速发展,软件已广泛应用于各行各业,软件可靠性逐渐成为用户需求的重点。尤其在金融和航天领域,软件必须具有极高的可靠性,否则人们财产安全将受到严重威胁,社会经济将遭受巨大损失。因此研究一种通用性好且软件可靠性预测精度高的增长模型具有极其重要的意义。基于BP神经网络的软件可靠性增长模型是目前的研究重点,但是BP神经网络固有的收敛速度慢、易陷于局部极小值、泛化能力差和网络结构难确定等问题,势必影响软件可靠性的预测精度。本文给出了一种基于模糊小波神经网络的软件可靠性增长模型。首先利用相空间重构技术分析故障数据间规律;其次,利用相空间重构结果生成训练样本并确定网络结构;最后,利用BP算法对基于模糊小波神经网络的软件可靠性增长模型进行训练并利用训练好的网络进行软件故障数据预测。对比实验结果表明,本文所提方法的预测精度高于目前常用的基于BP神经网络的软件可靠性增长模型预测方法。研究表明,基于模糊小波神经网络的软件可靠性预测方法是可行的,将相空间重构和模糊小波神经网络相结合,能够取得更好的预测效果。