為了充分利用工程中已經積累的氣動數據，本論文首次提出在大的翼型設計范圍內使用機 器學習的方法研究翼型外形和氣動性能的對應關系，并首次在NACA四位數字翼型基礎上使用高 斯過程回歸模型模擬這種對應關系，以達到快速進行翼型設計的目的。在翼型氣動性能評估過 程中，使用翼型外形與氣動性能數據訓練高斯過程回歸模型，以預測新翼型的氣動性能。針對 單輸出高斯過程回歸中超參數優化初始值難以確定的問題，本論文首次提出根據訓練數據估計 超參數優化初始值的方法。在翼型反設計過程中，使用壓力分布和外形數據訓練高斯過程回歸 模型，以預測新的壓力分布對應的翼型。針對多輸出高斯過程回歸模型難以應用于實際問題的 缺點，本論文