在现代工程设计中,计算机辅助工程分析(Computer Aided Engineering,简称CAE)模型发挥着越来越重要的作用。然而,针对实际问题,建立高度仿真的CAE模型并非易事。一方面,由于实际问题本身的复杂性,很难利用基于单一物理机理的CAE模型进行仿真;另一方面,由于实际问题本身所蕴含的随机性以及观测中的不确定性,导致很难利用具有确定性输入参数的CAE模型对实际问题进行仿真预测。有鉴于此,近年来,人们开始考虑将基于机理的模型和实际观测数据综合起来,对复杂实际问题进行仿真预测。高斯模型是一种可以将模型和数据综合起来,对系统进行仿真预测的有效方法。本文研究利用高斯模型将传统CAE模型和实际观测数据相结合,给出一种新型、高效的CAE分析方法。研究表明,高斯模型可以实现少量数据建模、修正不确定性参数并准确预测。首先,介绍了高斯模型的基本原理。高斯模型是一种基于贝叶斯理论和统计学理论的模型。高斯模型属于无参数模型,它具有良好的灵活性、较高的精度和准确量化不确定性等优点,适用于处理高维数据和非线性等复杂问题。在简述高斯模型预测原理的同时,论文讨论了协方差函数的选取对高斯模型的影响,并验证了期望函数的选取对高斯模型的影响微乎其微。据此,论文后续工作在建立高斯模型时,着重考虑如何需要选取合适的协方差函数。其次,论文构建了一个简单的悬臂梁力学分析例子,来讨论高斯模型在结构分析应用中的基本思想和可行性。在该例子中,利用铁木辛柯梁模型生成观测数据,并用该数据和伯努利梁模型建立悬臂梁分析的高斯模型,从而实现利用伯努利梁模型进行高度仿真预测的目的。再次,论文讨论了将高斯过程应用于通用CAE分析的基本过程和关键点。论文具体以一个带圆孔平板的塑性拉伸为例,研究利用实验数据和传统通用CAE模型建立高斯模型,通过修正不确定性参数并用其取代传统CAE模型进行预测的方法。研究表明了利用高斯模型取代传统CAE模型进行高精度仿真预测的有效性。最后,利用高斯模型针对实际问题求解了美国圣地亚哥国家实验室发布的2014V&V挑战问题。给出了利用高斯模型求解该复杂问题的全部过程,具体包括如何建立高斯模型,如何修正不确定性参数并预测输出响应,以及如何高斯模型预测容器的失效概率等细节。