El modelo de aproximación de Kriging en problemas de simulación complejos utiliza la menor cantidad posible de objetivos costosos para establecer una interpolación aproximada global o local. Sin embargo, debido a la inversión de la matriz de correlación de covarianza y la resolución de los parámetros relacionados con Kriging, el proceso de aproximación de Kriging para problemas de alta dimensionalidad es demorado e incluso imposible de construir. Por esta razón, se propone un método de modelado de Kriging de alta dimensionalidad a través de la reducción de dimensiones de componentes principales (HDKM-PCDR) considerando los parámetros de correlación y las variables de diseño de un modelo de Kriging. Utiliza PCDR para transformar un vector de parámetros de correlación de alta dimensionalidad en Kriging en uno de baja dimensionalidad, que se utiliza para reconstruir una nueva función de correlación. De esta manera, se reduce significativamente el tiempo de optimización de los parámetros de correlación y la construcción de la matriz de función de correlación en el proceso de modelado de Kriging. En comparación con el método de Kriging original y el método de modelado de Kriging de alta dimensionalidad basado en mínimos cuadrados parciales, el método propuesto puede lograr una eficiencia de modelado más rápida bajo la premisa de cumplir con ciertos requisitos de precisión.