3. 代理模型核心类型与选择依据

代理模型（Surrogate Model）的任务，是用一个计算代价极低的近似函数替代昂贵的仿真或实验，从而支撑优化、敏感性分析、不确定性量化等需要大量重复评估的场景。选型时真正要回答的问题不是“哪个模型最先进”，而是“在样本量、输入维度、光滑性、可解释性和计算预算的约束下，哪个模型能以可接受的成本达到所需精度”。本节围绕六类常用代理模型展开：多项式回归、径向基函数、高斯过程、神经网络、支持向量回归和物理信息神经网络，并从适用条件、计算成本与精度权衡三个维度建立选择依据。

六类模型的能力画像

多项式回归是最基础的参数化代理。它假设响应可由输入的多项式基函数线性组合表示，例如二阶完全多项式在 d 维输入下包含 1+d+d(d+1)/2 个待定系数。其优点是训练只需一次最小二乘求解，成本极低、系数可解释、外推行为可预期；缺点是难以刻画强非线性与局部剧烈变化，高阶多项式还容易在样本稀疏区出现振荡（龙格现象）。它适合响应整体平滑、维度不高、样本较少且需要快速给出趋势判断的场合，常作为基线模型。

径向基函数（RBF）以样本点为中心构造核函数（如高斯核 exp(−ε‖x−x_i‖²)、多二次核等），通过线性组合逼近响应。它插值能力强、实现简单，对中等维度的光滑响应表现良好；但核宽度 ε 与正则化参数对结果影响显著，样本分布不均时容易出现病态矩阵，外推能力弱。RBF 适合样本较密集、响应连续光滑的插值型任务。

高斯过程（GP）是贝叶斯非参数方法，它不仅给出预测均值，还给出预测方差，天然提供不确定性估计。这让 GP 成为主动学习与贝叶斯优化的首选：可以用方差指导下一个采样点。其代价是训练需对 n×n 协方差矩阵求逆，复杂度约 O(n³)，样本量增大时成本迅速上升，通常适用于数百到数千样本规模。核函数选择（平方指数核、Matérn 核等）决定了对光滑性的假设。

神经网络（如多层感知机）通过多层非线性变换拟合复杂映射，表达能力强，可处理高维、强非线性甚至不连续响应，训练完成后单次推理极快。但它通常需要较多样本，训练涉及超参数（层数、宽度、学习率、正则化）调优，且不直接提供不确定性。它适合样本充足、响应复杂、对推理速度要求高的场景。

支持向量回归（SVR）基于 ε-不敏感损失与核技巧，追求在容忍带内的平坦拟合，对异常值较稳健，小样本下泛化能力往往不错。其性能高度依赖核参数与惩罚系数 C 的选取，样本量很大时训练成本较高，且同样不直接给出不确定性。

物理信息神经网络（PINN）在损失函数中同时加入数据项与物理方程残差项（如 PDE 残差、边界条件），使网络在样本稀少时仍受物理规律约束。它特别适合数据获取昂贵、但控制方程已知的工程问题。代价是训练难度大、收敛慢，需要平衡数据损失与物理损失的权重，调参经验性强。

成本与精度的权衡逻辑

上图的定位只是粗略画像，实际选型需要把“成本”拆成三部分看：采样成本（获得每个训练样本需要多少次昂贵仿真）、训练成本（拟合模型本身的时间与调参代价）、推理成本（部署后单次预测的开销）。多项式回归与 RBF 的训练成本几乎可以忽略，GP 随样本量立方增长，神经网络与 PINN 的训练成本取决于网络规模与迭代次数，但推理都很快。若优化循环需要上万次评估，推理成本低的模型更有优势；若样本获取极贵，则应优先考虑样本效率高的 GP 或引入物理约束的 PINN。

精度方面要区分插值精度与泛化精度。RBF 和 GP 在样本点附近插值精度高，但外推到训练域外时可能迅速失真；多项式回归外推形式可预期但可能系统性偏离；神经网络在训练域内精度高，域外行为不可控。工程上常用留一交叉验证或独立测试集上的均方根误差（RMSE）与决定系数 R² 来量化，并配合残差分布检查是否存在系统性偏差。

一个可操作的选型示例

设某翼型气动代理任务：输入为攻角与马赫数（2 维），输出为升力系数，单次 CFD 计算约 40 分钟，预算允许 60 个样本。此时样本量小、维度低、响应随攻角变化较光滑，GP 是合理首选：60 个样本的协方差矩阵求逆耗时可忽略，且预测方差可指导在攻角接近失速的陡变区追加采样。若后续把输入扩展到 12 维几何参数、样本增至 2000 个，GP 的 O(n³) 成本开始吃紧，可改用神经网络或 RBF 加正则化；若该问题已有可用的势流方程或简化 PDE，则 PINN 能在样本更少时借助物理残差约束提升泛化。

需要强调的是，模型选择不是一次性的。实践中常先用多项式回归建立基线，观察残差结构：若残差呈明显非线性模式，再升级到 GP 或 RBF；若残差在局部区域集中，说明需要自适应采样或改用表达能力更强的模型。把选型看作“基线—诊断—升级”的迭代过程，比一次性押注某个模型更稳健。