作战系统属软硬件结合系统,现有文献中对作战系统失效预测的研究多集中在硬件或设备失效方面,而在软件失效方面研究较少,因此在一定程度上制约了作战系统的整体性能。基于此种考虑,以潜艇作战系统为例,使用基于度量元的软件缺陷预测方法,进而通过集成方法、迁移学习方法解决作战系统的小样本问题,提出基于小样本的作战系统失效预测模型。针对潜艇作战系统中多个操作系统的性能差异,使用考虑专家权威性的打分法为各操作系统的稳定性进行评分,提出面向操作系统稳定性的度量元选择方法;针对网络通信在以一体化网络为中心的潜艇作战系统领域的重要作用,使用Logistic函数对含有通信方式与通信失效概率关系的实验数据进行曲线拟合,从中确定通信方式与通信失效概率的函数关系,提出面向通信稳定性的度量元选择方法。实验结果表明,操作系统稳定性度量元与通信稳定性度量元均有效提高了预测效果。针对潜艇作战系统样本量小、可靠性要求高的特点,提出基于Boosting的代价敏感系统失效预测模型。该模型在现有集成K-NN的软件失效预测模型基础上,考虑了漏报与误报代价敏感的问题;对于其属性选择方式中存在的误删除问题,使用逐一删除子集的方式予以解决,将代价敏感引入至属性子集选择、数据集权重更新与自适应阈值的选择三个部分。实验结果显示改进后模型比原有模型的漏报率有较大程度减小,误报率有一定程度增加,整体性能优于改进前。针对某个子系统软件可参考样本较少而系统中其它软件参考样本较多的小样本特点,提出考虑KL散度的多源迁移学习系统失效预测方法并建立模型。该模型在现有多源迁移学习方法基础上通过KL散度度量源数据集与目标数据集的相似度,提出以预测误差或代价为主,以KL散度为辅的多源迁移学习模型。实验结果表明KL散度有效提高了迁移学习方法的Accuracy与F值评价指标。基于潜艇作战系统数据集的实验结果表明,文中所提模型适用于潜艇作战系统的软件失效预测领域,其有效提高了作战系统的预测性能。