本发明涉及一种基于多模型选择的软件缺陷预测方法、设备及存储介质。本发明首先使用增量学习的方式逐个训练得到随机森林模型M0。然后，使用ADWIN概念漂移检测机制检测出样本均值的动态性，利用数据收集机制得到数据块D1、D2。再次，使用SMOTE算法平衡D1和D2中的类别分布，分别得到数据块D1’和D2’。对于获取的数据块D1，D2，D1’，D2’，基于随机森林模型分别建立四个分类模型M1，M2，M3和M4，选出M0，M1，M2，M3和M4五个软件缺陷流数据分类模型中性能最佳的模型，作为最终的软件缺陷预测模型M。最后，基于随机森林的M分类模型对软件缺陷数据的类别进行预测，从而实现软件缺陷预测。