近年来,由于互联网的蓬勃发展,数据中心规模有了迅速提升,其数量越来越多,并且单个数据中心的规模也越来越大。随着云计算技术的普及和成熟,绝大多数的数据中心开始逐渐采用云计算的服务方式对外提供云服务,从而成为了云服务提供商。现在对外提供云服务的数据中心每天都消耗着大量的能源,能源消耗成本已经成了云服务提供商不可忽视的问题。因此,如何节约能源和降低能耗成为云服务提供商亟待解决的关键问题。在基础设施即服务(IaaS)的云服务模式下,准确的预测虚拟机(VM)的能耗,对不同物理机(PM)之间进行虚拟机调度的调度策略和迁移合并策略的制定具有重要意义,同时可以降低能源消耗,有益于环境保护；而且有利于制定合理的定价策略,进一步吸引用户。本文研究了多虚拟机环境中物理机负载对虚拟机能耗的影响。针对考虑物理机负载影响的虚拟机功耗预测问题,本文提出了使用单个RBF人工神经网络的预测模型来解决此问题。当前还没有使用神经网络来解决这一问题的研究。在RBF人工神经网络模型中,首先选择合适的虚拟机运行状态参数并进行归一化,归一化结果作为RBF神经网络模型的输入；然后,使用采集的历史虚拟机功耗和状态参数数据,训练RBF人工神经网络模型,获得该RBF神经网络模型；最后,用得到的RBF神经网络模型在多虚拟机环境下,对单个虚拟机进行预测。实验结果表明,本文提出的RBF神经网络模型能够有效的预测虚拟机能耗,其平均预测精度误差为2%,小于作为对比的多元线性回归、分段线性回归等模型的预测误差。