机翼是飞机产生升力得以起飞的重要部件，也是翼型设计中的核心研究对象，其设计的好坏将直接影响到后续翼型工作的展开。传统的翼型设计方法主要靠风洞实验、CFD计算，不仅周期长、成本高，而且对翼型设计者的经验有很强的依赖性。为了提高翼型设计效率，降低设计成本，将代理模型引入到翼型设计中进行气动性能评估。本文建立了多输出高斯过程（MultipleOutputs Gaussian Process,MOGP）回归代理模型。MOGP使用光滑的核函数和高斯过程的卷积为每个输出端口建模，多个输出端口之间通过共享相同的高斯基过程来模拟端口之间的相关性。本文使用NACA四位数翼型和超临界翼型，通过CST参数化和CFD计算得到实验数据，进行气动性能预测评估实验。气动性能评估实验以翼型外形控制参数为输入，气动性能参数包括升力系数、阻力系数和力矩系数作为输出。由于翼型气动性能之间往往具有一定的相关性，本文建立了基于MOGP的多响应代理模型,通过实验数据验证了升力系数、阻力系数及力矩系数之间存在的显著相关性。将所建立的MOGP多响应代理模型与kriging模型，BP、RBF两种神经网络模型进行对比。气动性能预测评估实验结果表明，当多输出端口之间存在显著相关性时，MOGP相比kriging，BP，RBF能有效提高气动性能的预测精度，并能获得更加稳定的预测性能。本文所建立的多响应代理模型对翼型设计现有的代理模型是一个有力的补充。