En este artículo, se presenta un método de identificación de sistemas basado en datos, que se fundamenta en la fusión de datos de un modelo dinámico y datos de pruebas de vuelo. El modelo dinámico se construye mediante una combinación de redes auto-regresivas no lineales (NARX) y el modelo en estado estacionario. En tal combinación, NARX puede calibrar las características dinámicas de la velocidad del rotor de alta presión y baja presión basándose en modelos de estado estacionario del sistema de control automático. De este modo, la velocidad de salida del modelo de motor calibrado puede cumplir con los requisitos de precisión de tolerancia de pruebas de simulación. Para mejorar la robustez del modelo dinámico frente al ruido de medición, se utiliza el filtro de Kalman para fusionar la predicción del modelo y los datos de medición con ruido. Así, el modelo fusionado puede eliminar de manera eficiente la influencia del ruido de medición y mejorar la precisión de la predicción. El método propuesto apoya la construcción de plataformas confiables y adaptativas al entorno para la verificación de aplicaciones de simulación y proporciona incentivos de simulación de alta fidelidad para la realización de escenarios de pruebas de simulación en la industria de la aviación.