大规模科学计算应用是运行在高性能计算机上的主要应用。如何高效运行这些科学计算应用一直以来都是高性能计算领域的研究热点。随着科学计算应用与体系结构的日趋复杂,科学计算应用的实际运行性能与期望性能的差距与日俱增。为提高应用程序的性能,性能分析是其中的必需步骤,性能分析工具也已经成为高性能计算系统不可或缺的重要组件。在性能分析工作中,性能建模是识别关键性能特征,预测潜在性能问题的关键技术。但科学计算应用的复杂性与庞大性、计算平台的多样性以及应用程序与平台交互过程的非线性特征为性能建模带来了挑战,同时也带来了更迫切的需求。本文在高效建模技术及其应用方面开展了深入研究,主要工作包括:·提出并建立了面向复杂地球系统模式的分析型性能模型:发掘地球系统模式中各模式分量的算法特征与关键计算核心,量化关键控制因子与计算核心运行时间之间的关系,进一步分析各模式分量间的耦合关系构建地球系统模式全局性能模型框架。以公共地球系统模式为例,对150万行代码量的真实复杂大规模科学计算应用建立了分析型性能模型,并在通用多核平台上用典型全耦合算例进行了验证,性能模型平均误差为10%。·提出了应用无关的资源导向性能模型:设计并实现了自动化性能建模系统,与传统利用插装技术获取应用程序时间信息的方法不同,资源导向性能模型引入硬件采样性能信息,构建关键性能事件与程序时间之间的量化模型,并将这些方法应用于计算核心识别和模型建立等建模关键步骤。该模型从体系结构维度描述应用程序与计算平台的交互,有效量化非线性的性能行为特征,支持自动化建模,并准确定位应用程序性能瓶颈,在通用多核平台与众核平台上的测试显示,性能模型平均误差为8%。·针对多物理耦合科学计算应用进程布局的高维寻优困难,提出快速进程布局搜索算法:基于矩阵排样的思想将寻优过程分解为剪枝布局组合和搜索优化布局两个阶段,并通过复用最优子布局和利用最佳并行度分析来进一步降低搜索空间。将上述性能模型与进程布局搜索算法相结合,本文设计和实现了自动化进程布局优化工具,并将其成功应用于多个地球系统模式项目。