计算机试验在科学技术的许多领域受到了广泛关注。在学术研究和实际应用中，Kriging模型与其它模型相比，表现出了很好的优越性，因此在计算机试验的分析中被广泛应用。普通Kriging模型是使用最广泛的Kriging方法，它采用一个常数均值来估计仿真器的总体趋势，由于缺乏灵活性，在强烈趋势存在的情况下，可能得到较差的估计。针对普通Kriging模型存在的问题，近年来发展了盲均值Kriging模型。它采用了一个未知的均值函数来估计趋势，该函数可以通过变量选择方法来识别，已成功应用于多个真实和模拟的计算机试验。虽然盲均值Kriging模型是吸引人的，其中的设计问题却很少被研究。在本文中，我们提出了一种新的试验设计类型，称为MU设计，将它与几种常用的试验设计用于盲均值Kriging模型，并作了比较。一个实例和一个模拟研究表明，在盲均值Kriging模型下，MU设计与其它设计类型相比，有更高的预测精度。