MODELAGEM POR PROCESSOS GAUSSIANOS MULTI-FIDELIDADE PARA PREDIÇÃO DE Tmean E NOx EM SIMULAÇÕES CFD COM MALHA VARIÁVEL

Apresenta-se um surrogate multi-fidelidade baseado em Processo Gaussiano (GP) para prever Tmean e NOx a partir de 508 simulações CFD com diferentes refinamentos de malha. A fidelidade é representada por um índice contínuo Z ∈ [0, 1], integrando simulações baratas e caras em um único modelo probabilístico com quantificação de incerteza. O GP utiliza kernel separável entre geometria e fidelidade, treinado por maximização da log-verossimilhança marginal. A avaliação em alta fidelidade (Z > 0,8) compara o modelo multi-fidelidade com um GP treinado apenas com dados refinados, mostrando redução do erro preditivo e aumento superior de 0,5 R2 para ambas as variáveis.