Web服务凭借其语言独立性、平台无关性、低耦合性、互操作性和协议标准化等独特优势得到了快速发展。互联网上出现了越来越多功能相似但服务质量不同的Web服务。在对Web服务进行选择和推荐时,Web服务质量可信性成为用户关注的重要指标,因此,对Web服务可信性进行有效度量和预测已经成为服务应用中必不可少的一个环节。本文对Web服务可信性预测进行研究,并基于服务质量属性对Web服务可信性进行定义和度量。本文在分析和总结国内外相关研究成果的基础上,对Web服务的可信性及其预测相关技术理论进行了深入研究。在此基础上,构建了基于ACO-GRU(Ant Colony Optimization-Gated Recurrent Unit)的Web服务可信性预测模型,该模型通过分析Web服务可信性时间序列数据,挖掘Web服务可信性时间序列数据中隐藏的规律,预测Web服务未来的可信性。本文的主要研究内容有:(1)采用门控循环单元对Web服务可信性进行时间序列预测,弥补了全连接神经网络在处理时序数据方面的不足,提高了 Web服务可信性预测精度。(2)提出了基于蚁群算法的GRU网络初始参数择优算法。该算法使用启发式搜索算法蚁群算法对GRU网络进行改进,解决了 GRU网络易陷入局部最优解的问题。(3)构建并实现了基于ACO-GRU的Web服务可信性预测模型。(4)在相同的实验条件下,将本文提出的Web服务可信性预测模型与其它论文中的时间序列预测模型进行比较,实验表明本文提出的基于ACO-GRU的Web服务可信性预测模型预测精度更高。