该文介绍了一种基于高斯过程回归的概率物理信息机器学习框架，适用于不完整和受污染的数据。该框架可以用于考虑测量系统噪声的自然正则化方法，并推测了格陵兰东桥的空气动力学响应。结果显示应用和预测的动态负荷之间存在良好的一致性，并可用于计算全局响应和所产生的内部力。