现代超标量乱序处理器广泛使用Speculative load机制来提前执行那些寄存器就绪但访存地址不确定的Load指令来提升处理器的性能,但是业界在采用CPI栈的思想进行处理器的性能评估时,并没有分析Speculative load机制对处理器CPI栈建模的影响。经过本文前期的仿真实验,发现Speculative load机制的使用对超标量乱序处理器性能的影响很大。因此,研究Speculative load机制对处理器性能的影响对于构建更准确的CPI栈模型有着重要的意义。本文主要研究Speculative load机制对于超标量乱序处理器性能的影响。经过调研发现,实现Speculative load机制常用的推测机制主要有两种:Blind推测机制和Store Sets推测机制。针对这两种不同的推测机制,本文的主要工作分为三个部分:(1)研究Speculative load机制(包括Blind推测机制,Store Sets推测机制)对于处理器稳态性能的影响;(2)分析在不同的推测机制下,当Speculative load推测执行失败时产生的回滚开销对处理器性能的影响,并对不同推测机制下的回滚开销分别进行量化;(3)结合前人的超标量乱序处理器性能模型,针对不同的推测机制,分别构建考虑Speculative load机制影响的超标量乱序处理器性能模型。本文采用SPEC CPU2006基准测试程序来分析Speculative load机制对于超标量乱序处理器性能的影响。采用神经网络对Blind推测机制下Speculative load推测失败次数进行建模,模型在应用程序自预测、跨硬件微架构预测、跨应用-跨硬件微架构预测时的平均相对误差都不超过13%;通过实验发现采用Store Sets推测机制时,Speculative load推测失败造成的回滚开销可以忽略,本文模型与前人模型相比精度提升不大;但是当采用Blind推测机制时,本文改进的超标量乱序处理器性能模型相对于前人模型精度平均提升约10%。