| Аннотацiя: | Метою дослідження є вдосконалення сучасних методів прогнозування кількісних характеристик якості програмних систем для підвищення їхньої надійності, ефективності та адаптивності в динамічних ІТ-середовищах. Для цього було розроблено інтегрований підхід, який поєднує адаптивну байєсівську корекцію шумів, ймовірнісні ансамблі з ваговим ризиковим коригуванням, гібридну багатокритеріальну оптимізацію, графові моделі взаємозалежностей метрик та мета-навчання для адаптації прогнозів. Наукова новизна роботи полягає у запропонованій інтеграції ансамблевих і адаптивних механізмів, що підвищують стійкість прогнозування з урахуванням невизначеностей та складних залежностей між метриками. Ефективність методів була перевірена на прикладі системи GitLab CE. Експериментальні результати підтвердили суттєве покращення: похибка прогнозу знижена з 18,7% до 4,2%, час виконання прогнозу скорочено на 36,8%, споживання обчислювальних ресурсів (ЦП і пам’ять) зменшено до 20%, а показники надійності системи (відмовостійкість, |
