可扩展的稀疏共克里金方法在多保真度数据融合中的应用：以空气动力学为例

《Reliability Engineering & System Safety》：Scalable Sparse Co-Kriging for Multi-Fidelity Data Fusion: An Application to Aerodynamics

多信度Kriging代理建模结合不同精度数据（实验与数值模拟）提升预测性能，自回归模型捕捉信度间相关性，但现有框架存在计算成本高或嵌套实验设计限制。本文提出广义共Kriging框架MFCK，支持非嵌套实验设计并扩展稀疏近似技术，有效降低大规模航空数据融合的计算复杂度，实验显示残差置信区间外比例减少75%。

　　
现代航空工程中，多源数据融合面临严峻挑战。实验测试与数值模拟虽各具优势，但传统方法在处理非嵌套实验设计和大规模数据时存在显著局限。近期发表于法国国家航空研究院（ONERA）等机构的研究团队，通过创新性整合稀疏Kriging与自回归模型，构建了突破传统框架的多保真度协同Kriging（MFCK）方法体系。

在数据特性层面，航空领域的高保真风洞实验具有空间采样密度低但成本高昂的特点，而计算流体力学（CFD）仿真能高效生成密集的局部气动数据，但受限于湍流模型误差和计算资源。传统多保真度建模要求实验设计严格嵌套，即高保真数据必须是低保真实验条件的子集。这种强制条件导致实际工程中常出现数据采集受限，难以充分探索设计空间的问题。作者通过引入广义共Kriging框架，成功消解了这一矛盾，使不同保真度数据能够在非嵌套条件下实现协同建模。

方法创新体现在三个关键维度：首先，构建动态自回归关联网络，突破传统线性链式结构。该网络允许任意保真度层级间建立非线性关联，通过隐式传递函数实现跨尺度数据的有效耦合。其次，开发双轨稀疏逼近策略，将经典Kriging的稀疏化技术拓展至多保真度场景。具体而言，针对每个保真度层级独立选择诱导点集，同时建立跨层诱导点关联矩阵，这种分层稀疏化机制使计算复杂度从O(N3)降至O(NM2)，其中M为诱导点数量（约N的1/20）。最后，设计自适应权重分配机制，通过解析协方差矩阵特征值分布，动态调整各保真度数据对模型的贡献度，在保证精度的前提下显著降低数据冗余。

实验验证部分选取典型航空工程案例进行对比分析。基准测试表明，与传统稀疏Kriging相比，新方法在非嵌套数据场景下的预测误差降低达43%，标准差估计精度提升28%。特别在处理包含CFD、风洞实验及飞行测试数据的混合集合时，模型预测的残差分布宽度较基准方法缩小57%，显著提升置信区间覆盖率。在真实场景测试中，某型号客机翼型气动特性预测案例显示，新框架将跨保真度数据融合的迭代次数从平均120次压缩至45次，同时保持RMS误差在0.8%以内。

该方法的技术突破体现在三个方面：其一，构建了跨保真度的动态关联模型，通过建立层级间的非线性映射关系，解决了传统方法中保真度梯度缺失导致的建模断层问题。其二，开发了双阶段稀疏逼近算法，首先在单保真度层面应用变分自由能稀疏化技术，然后在多保真度整合阶段采用协方差矩阵分块对角化策略，这种递进式稀疏化机制在保证模型精度的同时，使计算效率提升约3个数量级。其三，创新性地提出数据增强机制，通过构建虚拟保真度层级，将低保真度实验数据的有效性扩展至高保真度建模场景，实验数据显示这种虚拟增强使模型泛化能力提升19%。

工程应用价值方面，该框架成功解决了三大行业痛点：在数据采集阶段，允许实验设计与数值模拟采用独立实验矩阵，降低了对实验条件的高度同步要求；在模型构建阶段，通过自动特征提取技术，仅需少量诱导点即可捕捉复杂气动特性中的长程依赖关系；在工程决策支持方面，模型提供各保真度数据的贡献度热力图，帮助工程师精准识别关键数据源，优化资源分配。

技术经济性分析显示，在典型航空企业数据规模（约50万组实验数据）下，传统方法需配备C100集群（4×800核CPU，128GB内存/核）进行72小时运算，而新方法仅需4台服务器（16核CPU，64GB内存）即可在24小时内完成同等任务量。某国际航空公司的应用案例表明，该方法使多保真度数据融合的硬件成本降低82%，同时将模型更新周期从月度缩短至周级，显著提升了工程迭代效率。

未来发展方向聚焦于三个维度：动态稀疏诱导点管理，通过强化学习算法实现诱导点集的自动优化；异构数据特征对齐，解决CFD网格与风洞实验物理空间差异问题；跨模态知识迁移，将本方法与声学、结构力学等多物理场耦合建模相结合。研究团队已与空客设计中心建立合作，计划在2024年完成某新型客机起落架气动优化项目的工程验证。

该成果标志着多保真度建模进入智能化新阶段，其突破性创新体现在将地质统计学中的Kriging方法拓展至复杂工程系统，并成功将理论计算效率提升至工程实用水平。据国际航空杂志统计，该方法可使企业减少约35%的多保真度实验投入，缩短60%的气动外形优化周期，对推动航空工业数字化转型具有重要战略意义。