多尺度建模与仿真被广泛应用于工程技术领域,在保证计算精度的同时大大提高了计算效率。在一般的多尺度建模过程中,人们会在关键区域构建精细模型以实现精确模拟,在次要区域构建粗模型以节约计算成本,最后通过桥接技术将两种模型耦合。Arlequin方法,即所谓的桥域多尺度方法是一种形式简洁、使用灵活、功能强大的多尺度耦合方法。它允许在同一区域内存在多种力学模型,借助能量分配函数计算系统总能量,并引入拉格朗日乘子作为虚拟耦合力在耦合区域内将各个模型“粘”在一起。桥域多尺度方法从诞生至今得到了迅速的发展和广泛的应用,其耦合精度与能量分配函数、耦合算子的特征长度和耦合区域的大小等关键参数的设置密切相关,但这些关键参数的优化选取至今尚无定论。因此,针对桥域多尺度方法耦合参数优化问题的研究十分必要,且意义重大。本文在全局敏感性分析的基础上,提出了针对桥域多尺度方法耦合参数优化问题的数据驱动式分析方法。该方法可以定量分析各参数对模型响应的影响方式及影响程度,确定关键影响因素,并给出参数取值范围的量化参考。为此,首先需要对多尺度模型进行采样,获得足够多的输入参数和模型响应组成的样本数据。基于采样数据,利用稀疏多项式混沌展开构建近似原数值模型输入输出关系的数据驱动模型。基于获得的数据驱动模型,可采用解析的方式以很小的计算成本计算得到量化输入参数敏感性的Sobol’指数,并捕捉各耦合参数间的交互作用。采用这种数据驱动的方法,本文分析了包括一维杆件多尺度模型,离散-连续体模型以及1D-2D三明治梁模型等经典算例,并给出了耦合参数选取的优化区间。