本发明公开了一种基于时序分解的云虚拟机老化预测方法；首先将云虚拟机性能指标数据通过CEEMDAN分解，得到若干组高低频率的IMF分量和Residual分量，计算各IMF分量的过零率，将分量分为高频和低频。然后进行归一化预处理，并使用LSTM模型对高频IMF分量预测，使用ARIMA模型对低频IMF分量和Residual分量预测，最后将所得各分量预测结果反归一化后再叠加重构得到完整的云虚拟机老化预测结果；本申请克服了传统方法在预测过程中容易陷入局部最优解、预测精度过低的问题；不仅能够精确提取云虚拟机软件老化的数据波动变化特征，而且能够精确预测云虚拟机性能指标数据的局部特征，最终实现对云虚拟机的软件老化的性能指标参数进行高精确率的预测和分析。