本文提出了不确定性量化的一般框架高对比度单相流问题的重要数量。它是基于广义多尺度有限元法（GMsFEM）和多级蒙特卡罗（MLMC）方法。前者提供了以下近似值的层次结构不同的分辨率，而后者提供了一种有效的方法来估计使用不同级别的样本进行兴趣测试。在线中基本函数的数量可以改变GMsFEM阶段以确定解的分辨率和计算成本，并有效地生成不同级别的样本。特别是，它是在粗网格上生成样本成本低，但分辨率低，而且成本高在精细网格上生成高精度的样本。通过适当选择不同级别的样本数量，可以利用较大的细网格空间朝向较小的粗网格空间，同时保持准确性蒙地卡罗最终估计值。进一步，我们描述了一个多级马尔可夫链蒙特卡罗方法，该方法依次筛选具有不同级别近似并减少精细网格上所需的计算数量，而将不同级别的样本进行组合以得出准确的估计。框架将GMsFEM的多尺度特性与多级无缝集成[26]中工作之后的MLMC方法的特点，以及我们的数值实验与标准蒙特卡罗法进行比较，说明其效率和准确性估计。