计算机模型评估研究建立了基于确定性模拟的现场数据预测的统计模型，以评估和批评计算机模型并提出改进建议。计算机模型的计算成本通常很高：充分模拟其关键特征的统计模型可能会更加高效。高斯过程模型通常被用作模拟器，但由此产生的计算缺乏缩放到高维、时间相关或功能输出的能力。对于一些这样的问题，特别是对于时间序列输出的情况，使用动态线性模型构建仿真器提供了一种在计算上有吸引力的替代方案，以及一种能够模拟输入-输出仿真背后的广泛随机结构的灵活建模方法。我们将贝叶斯多元动态线性模型与高斯过程建模有效地结合在一起，并用水文模拟模型的数据说明了该方法。一般策略将对具有时间序列或功能输出的其他计算机模型评估研究有用。