机翼是飞机的主要升力面，是其主要部件之一。而翼型是机翼和尾翼成形的重要组成部分，其设计的优劣直接影响到飞机的气动性能和飞行品质。传统的基于风洞实验以及CFD翼型设计方法需要反复的计算以及实验来对翼型逐步修形改进,设计周期长、代价高,并且对设计人员的经验有较高的要求。最近有研究者提出了基于高斯过程回归的翼型快速设计方法，该方法具有速度快，精确度高的特点。然而此方法使用的设计变量为NACA四位翼型族的NACA参数，设计变量少，通用性不强，预测精度有进一步提升的空间。为弥补其缺点，本文将CST翼型参数化方法，与机器学习中的高斯过程回归方法相结合，通过对已有的翼型数据的学习，实现对未知翼型气动性能或者外形数据的快速准确预测。文中选取一组NACA四位族翼型，获得其不同阶数下的CST参数描述数据，并分别计算其在一定飞行条件下的升力系数、阻力系数和压力分布数据。利用这些数据对高斯过程回归模型进行训练，实现了翼型气动性能的快速预测以及反设计系统。并将实验结果与采用NACA翼型参数表示法得到的预测结果进行了对比。实验结果表明，基于CST参数化方法的翼型快速设计准确度高、稳定性高、推广能力强、速度快，在辅助现有的翼型设计方面具有较大的应用价值。