几十年来，空气动力学预测一直是一个活跃的研究领域。现在，随着计算流体动力学（CFD）的普及，几乎无需依赖风洞试验就能进行高保真预测。根据所使用的特定代码、网格密度和建模假设（不粘性、雷诺平均纳维-斯托克斯[NS]等），CFD 方法可提供多个级别的预测保真度。目前的计算机应用大致可分为三个预测保真度级别--半经验、不粘性 CFD 和 NS CFD。我们将它们从最低到最高的保真度依次列出。与计算机模拟相比，风洞试验既耗时又昂贵，但无可争议的是，它是除实际飞行试验之外最接近 "真相 "的方法。因此，在最好的情况下，对特定配置的气动预测可以达到四级或更高的保真度。使用特定模型进行预测所需的成本与其保真度成反比。也就是说，保真度越高，计算成本或实验工时就越高。

数据融合描述的是将不同保真度模型的预测结果合并为一个统一的高级模型的过程。在理想情况下，数据融合可以在一个大的输入空间内提供一个具有最佳预测能力的模型，同时以最佳方式查询前体模型。在最佳情况下，数据融合方法会使用许多低保真模型的查询和极少数高保真模型的查询，从而产生一个能预测相关输出且不确定性极小的模型。

在过去的二十年里，克里金方法已成为航空航天行业空气动力学数据融合的标准。克里金法起源于采矿业，最近被计算机科学界采用。航空航天界现在使用克里金法或其变体，而不使用以前的方法。

在本报告中，展示了如何使用 cokriging 将轴对称导弹的四组大型预测结果合并为一个模型。由此产生的模型可预测三维总力和力矩矢量的均值和方差。使用广义最小二乘回归法将总力-力矩预测值转换为以攻击角（AoA）正弦为变量的多项式。广义最小二乘法通过回归传播预测的不确定性，因此分析师可以选择多项式阶数，使系数的不确定性最小。最终模型由多项式系数表组成，这些系数是马赫和气动倾角的函数，并包括每个系数的不确定性。