Un modelo de regresión kriging es un tipo popular y efectivo de modelo sustituto en experimentos computacionales. Un desafío significativo surge cuando la función media del modelo incluye términos polinómicos con coeficientes desconocidos, lo que lleva a problemas de identificabilidad y resultados potencialmente poco confiables. Para superar este problema, Plumlee y Joseph (2018) introdujeron un modelo de kriging ortogonal. La selección de variables para modelos de kriging ha sido ampliamente considerada por investigadores en experimentos computacionales. En este artículo, presentamos un nuevo método para combinar kriging ortogonal con selección de variables penalizadas. Además, se proporciona un algoritmo eficiente para seleccionar la función media correcta. Los resultados de simulación y un estudio de ejemplo con datos reales muestran que el método propuesto es superior a otros en la tasa de reconocimiento de variables y la precisión de predicción.