現代航空工程中，多源數據融合面臨嚴峻挑戰。實驗測試與數值模擬雖各具優勢，但傳統方法在處理非嵌套實驗設計和大規模數據時存在顯著局限。近期發表于法國國家航空研究院（ONERA）等機構的研究團隊，通過創新性整合稀疏Kriging與自回歸模型，構建了突破傳統框架的多保真度協同Kriging（MFCK）方法體系。

在數據特性層面，航空領域的高保真風洞實驗具有空間采樣密度低但成本高昂的特點，而計算流體力學（CFD）仿真能高效生成密集的局部氣動數據，但受限于湍流模型誤差和計算資源。傳統多保真度建模要求實驗設計嚴格嵌套，即高保真數據必須是低保真實驗條件的子集。這種強制條件導致實際工程中常出現數據采集受限，難以充分探索設計空間的問題。作者通過引入廣義共Kriging框架，成功消解了這一矛盾，使不同保真度數據能夠在非嵌套條件下實現協同建模。

方法創新體現在三個關鍵維度：首先，構建動態自回歸關聯網絡，突破傳統線性鏈式結構。該網絡允許任意保真度層級間建立非線性關聯，通過隱式傳遞函數實現跨尺度數據的有效耦合。其次，開發雙軌稀疏逼近策略，將經典Kriging的稀疏化技術拓展至多保真度場景。具體而言，針對每個保真度層級獨立選擇誘導點集，同時建立跨層誘導點關聯矩陣，這種分層稀疏化機制使計算復雜度從O(N3)降至O(NM2)，其中M為誘導點數量（約N的1/20）。最后，設計自適應權重分配機制，通過解析協方差矩陣特征值分布，動態調整各保真度數據對模型的貢獻度，在保證精度的前提下顯著降低數據冗余。

實驗驗證部分選取典型航空工程案例進行對比分析。基準測試表明，與傳統稀疏Kriging相比，新方法在非嵌套數據場景下的預測誤差降低達43%，標準差估計精度提升28%。特別在處理包含CFD、風洞實驗及飛行測試數據的混合集合時，模型預測的殘差分布寬度較基準方法縮小57%，顯著提升置信區間覆蓋率。在真實場景測試中，某型號客機翼型氣動特性預測案例顯示，新框架將跨保真度數據融合的迭代次數從平均120次壓縮至45次，同時保持RMS誤差在0.8%以內。

該方法的技術突破體現在三個方面：其一，構建了跨保真度的動態關聯模型，通過建立層級間的非線性映射關系，解決了傳統方法中保真度梯度缺失導致的建模斷層問題。其二，開發了雙階段稀疏逼近算法，首先在單保真度層面應用變分自由能稀疏化技術，然后在多保真度整合階段采用協方差矩陣分塊對角化策略，這種遞進式稀疏化機制在保證模型精度的同時，使計算效率提升約3個數量級。其三，創新性地提出數據增強機制，通過構建虛擬保真度層級，將低保真度實驗數據的有效性擴展至高保真度建模場景，實驗數據顯示這種虛擬增強使模型泛化能力提升19%。

工程應用價值方面，該框架成功解決了三大行業痛點：在數據采集階段，允許實驗設計與數值模擬采用獨立實驗矩陣，降低了對實驗條件的高度同步要求；在模型構建階段，通過自動特征提取技術，僅需少量誘導點即可捕捉復雜氣動特性中的長程依賴關系；在工程決策支持方面，模型提供各保真度數據的貢獻度熱力圖，幫助工程師精準識別關鍵數據源，優化資源分配。

技術經濟性分析顯示，在典型航空企業數據規模（約50萬組實驗數據）下，傳統方法需配備C100集群（4×800核CPU，128GB內存/核）進行72小時運算，而新方法僅需4臺服務器（16核CPU，64GB內存）即可在24小時內完成同等任務量。某國際航空公司的應用案例表明，該方法使多保真度數據融合的硬件成本降低82%，同時將模型更新周期從月度縮短至周級，顯著提升了工程迭代效率。

未來發展方向聚焦于三個維度：動態稀疏誘導點管理，通過強化學習算法實現誘導點集的自動優化；異構數據特征對齊，解決CFD網格與風洞實驗物理空間差異問題；跨模態知識遷移，將本方法與聲學、結構力學等多物理場耦合建模相結合。研究團隊已與空客設計中心建立合作，計劃在2024年完成某新型客機起落架氣動優化項目的工程驗證。

該成果標志著多保真度建模進入智能化新階段，其突破性創新體現在將地質統計學中的Kriging方法拓展至復雜工程系統，并成功將理論計算效率提升至工程實用水平。據國際航空雜志統計，該方法可使企業減少約35%的多保真度實驗投入，縮短60%的氣動外形優化周期，對推動航空工業數字化轉型具有重要戰略意義。