计算需求日益增多的今天,人们普遍采用GPU(Graphics Processing Unit)作为运算加速设备,现在利用通用显示核心(General-Purpose GPU,GPGPU)计算技术已经成为任何海量数据的必要手段。但复杂的硬件环境、与CPU不同的编程模型,拉高了GPU运算的门槛。为了使更多的科研工作者用到GPU的运算,显卡厂商和编译器公司制订并推广了OpenACC标准。本文在OpenACC的基础上,提出一个自动为串行代码优化加速运算的框架——GENerate OpenACC,GENACC。该框架通过对源代码的静态程序分析,实现热点代码段的识别、运算特征分析,最终为源代码加上OpenACC指导命令,达到加速串行代码运算的目的。对于GENACC框架中热点代码分析阶段的运算时间估计和硬件加速能力判别问题,本文构建了一个新的运算代价评估模型。该模型通过热点代码的分析,以及对计算平台硬件属性的分层建模,实现了对运算所需的时间、完成运算过程消耗的能量的建模,是评价运算代价、合理选择运算设备的重要依据。对运算代价中的运算时间部分,结合并行计算的LogGP模型和运算理论峰值的Roofline模型,提出一个新的计算时间估计模型。本文依照建模的粒度粗细通过三层建模来计算消耗的能量。最后,本文通过EPCC测试集与NPB测试集,对运算代价评估模型和GENACC框架进行实验,实验结果表明GENACC能够正确生成编译器指导指令,生成的源码在不同数据大小上均有较好性能。