云计算是一种基于信息网络的计算模式和服务模式,它将信息技术资源以服务方式动态、弹性地提供给用户,使用户可以按需使用.由于受到主机的启动时间、资源分配时间以及任务调度时间等因素的影响,在云环境下提供给用户的服务存在时延问题.因此,工作负载预测是云环境下一种重要的能源优化的方式.此外,由于云中工作负载的变化具有十分大的波动性,因此增加了预测模型的预测难度.提出了一种基于自回归模型和　Elman神经网络的预测模型(Hybrid　Auto　Regressive　Moving　Average　model　and　Elman　neural　network,HARMA-E),其使用ARMA模型进行预测,再使用　ENN模型对　ARMA模型的误差进行预测,通过修正　ARMA的输出值得到最终的预测值.仿真实验结果表明,该预测模型能够较好地提升主机负载预测值的准确度.