仿真分析已成为工程设计中的必要手段,然而其计算成本随着仿真精度的提高变得特别昂贵,因此近似模型常被用来代替仿真分析模型。尤其是变精度近似模型,通过结合高低精度的仿真模型信息,利用大量低精度模型样本点来控制计算成本,用少量高精度模型样本点来保证近似精度,能在保证计算精度的前提下极大地减小计算成本,在工程应用中表现出巨大潜力。然而,当前的变精度近似建模方法通常基于Taylor展开,只能在局部范围内有较好近似精度。此外,现有的变精度建模都是一次性建模,没有利用已获得的样本点信息指导建模过程,而基于序贯采样的建模能在相同规模样本下得到更好的拟合精度。故本文对具有全局拟合能力的变精度近似建模方法和基于变精度近似模型的序贯建模策略展开研究,具体内容如下:首先,本文对有全局拟合能力的变精度近似建模方法进行研究,提出了基于Kriging加法标度的变精度近似建模方法—AS-Kriging,并通过数学算例论证了该方法在全局范围内具有良好的近似精度。其次,针对当前序贯建模方法大多基于单精度近似模型的缺点,本文将序贯建模方法拓展应用到变精度近似模型领域。利用自组织映射(Self-Organizing Maps,SOM)方法将设计空间进行缩减,然后在缩减后的重点区域利用最大距离法进行加点,并将该法与基于最大预估误差的加点方法进行比较,通过数学算例验证和工程算例验证了本章方法的优越性。最后,研究了基于变精度近似模型的序列优化方法,针对统计下界法的寻优结果容易陷入局部最优的缺点对其进行了改进。在每步优化迭代过程中添加两个序贯点,利用SOM空间缩减的重点区域加点方法添加样本点以提高近似模型的整体精度,然后添加当前近似模型的最优解以提高局部精度,避免结果陷入局部最优,并通过数学算例验证了改进统计下界法的可行性。