为了充分利用工程中已经积累的气动数据，本论文首次提出在大的翼型设计范围内使用机 器学习的方法研究翼型外形和气动性能的对应关系，并首次在NACA四位数字翼型基础上使用高 斯过程回归模型模拟这种对应关系，以达到快速进行翼型设计的目的。在翼型气动性能评估过 程中，使用翼型外形与气动性能数据训练高斯过程回归模型，以预测新翼型的气动性能。针对 单输出高斯过程回归中超参数优化初始值难以确定的问题，本论文首次提出根据训练数据估计 超参数优化初始值的方法。在翼型反设计过程中，使用压力分布和外形数据训练高斯过程回归 模型，以预测新的压力分布对应的翼型。针对多输出高斯过程回归模型难以应用于实际问题的 缺点，本论文首次提出基于关系矩阵的多输出高斯过程回归模型。