复杂仿真模型具有运行机理、组成结构及交互关系复杂,高维、非线性,应用目的多样、多逼真度、多分辨率等特点;仿真模型可信是应用仿真模型开展分析、评估、优化等研究工作的基础,模型验证是评估仿真模型可信度的重要手段。对复杂仿真模型的状态变量、输出变量的观测数据与参考系统的状态变量、输出变量的观测数据进行相似性分析是模型验证的基本途径。针对复杂仿真模型验证与实验设计问题,本文主要开展了以下研究工作:首先,针对多维时间序列的相似性分析问题,研究基于核主成分分析的多变量验证方法。核主成分分析利用核方法将特征空间上的内积计算转换为核函数计算,进而对核矩阵进行奇异值分解,获取多个相关变量在特征空间的关联关系。核主成分分析需要对核函数参数进行优化,以最大化第一核主成分的方差贡献率;考虑到长时间序列的高维核矩阵奇异值分解效率低的问题,提出一种核主成分近似计算方法,将高维矩阵分解问题转换为若干低维矩阵分解问题。进一步,综合变量间的相关关系与单个变量间的尺度相似性,给出一种相似性度量方法。相对于经典方法,基于核主成分分析的多变量验证方法考虑了变量间的相关关系,验证结果更加客观合理。其次,针对海量数据的相似性分析问题,研究基于机器学习的复杂仿真模型验证方法。给出基于机器学习的仿真模型验证方法框架和训练过程,分析影响机器学习模型性能的因素;进而利用基于局部穷举搜索的特征选择方法,发现最优特征子集。基于机器学习的智能化验证方法的难点在于如何提高分类准确率,以降低其在海量数据相似性分析中的应用风险;为此,提出一种改进的Boosting方法,通过生成多样化的训练样本、选择异类组件分类器、采用基于惩罚因子的多样性筛选准则等策略增强机器学习模型的泛化性能。再次,复杂仿真模型在某一想定下可信,无法保证其在整个应用域内可信;由此,对复杂仿真模型验证的实验设计方法进行研究。单步实验设计方法方面,给出一种多准则拉丁超立方实验设计方法,通过综合距离准则与相关性准则,生成具有良好空间填充性的初始实验设计方案。针对实验设计中过采样和欠采样问题,提出一种基于开发-探索策略的自适应序贯实验设计方法,利用改进的距离准则度量实验点的全局探索价值,通过交叉验证误差估计实验点的局部开发价值;为了避免实验点在局部区域的过度聚集问题,设计权重自适应更新策略。以高斯过程模型为例,证明基于开发-探索策略的序贯实验设计,通过最大化期望误差,可以构建高精度的元模型。最后,针对现有的模型验证和可信度评估工具难以满足复杂仿真模型验证的应用需求的问题,设计并实现面向服务的复杂仿真模型验证平台。基于需求分析,设计平台的总体架构,给出算法服务的统一描述;利用通用建模语言,描述子系统的功能、内部交互关系和功能实现流程。考虑到用户专业及研究领域不同,其验证方法使用偏好不同的问题,提出一种个性化服务推荐K近邻算法,进一步提高平台的功能完备性、易用性和模型验证的效率。利用该平台对电磁轨道炮仿真模型进行验证,检验本文研究的模型验证方法和实验设计方法的有效性,验证平台的实用性。