随着电子信息技术的迅速发展,多核处理器在嵌入式设备上得到了广泛的应用。在多核处理器层级的Cache结构中,共享级Cache作为影响处理器性能的重要一环,越来越受到学术界与工业界的重视。了解应用程序的共享级Cache行为表现,不仅能够为硬件人员共享级Cache设计空间探索提供参考,同时也能帮助软件人员进行软件访存行为的优化。本文旨在建立一个针对采用预取机制的共享级Cache行为模型,用于快速准确评估多核架构下共享级Cache的访存行为。本文的工作包含两方面:第一,在开源仿真器Gem5中添加部分代码,提取多核各自对共享级Cache访存的重用距离分布,并计算访存流交叉后共享级Cache的重用距离分布。第二,在验证和分析了以往研究所提出的采用期望堆栈距离分布的建模方法后,本文构建了针对采用预取机制的共享级Cache的神经网络模型。由于预取机制会对堆栈距离分布产生影响,导致基于期望堆栈距离模型在预测此类共享级Cache中精度严重下降。因此,本文建立一种基于人工神经网络共享级Cache模型来预测多核处理器中共享级Cache的访存行为。该模型以第一部分工作中所获得的交叉访存流重用距离分布为输入,应用程序共享级Cache命中次数为输出。本文选取MobyBench2.0测试集来对所建立模型进行精度评估。实验结果显示,本文所建立的神经网络模型在预测采用预取机制的共享级Cache访存行为时与Gem5时钟精确型仿真相比,平均相对误差低于20%,最小为13.7%,相比Gem5精确时钟仿真时间开销,神经网络模型提升速度为53.2%。同时,对于采用预取机制的共享Cache而言,本文建立的神经网络模型预测精度高于采用期望堆栈距离的模型预测精度20-30%。实验结果表明,模型精度达到设计指标,符合设计要求。