加速老化非线性回归，退化模型的 Arrhenius 公式不起作用大家好，
我目前在 JMP 处于入门阶段，正在观看可以使用入门许可证预订的教程视频。 “稳定性分析”视频是关于使用加速老化确定药物的最佳使用日期。
我试图将这种计算方法转移到我们的材料（橡胶）上，这实际上应该是可能的。
在 8 个时间间隔后，我在三个不同的温度（180、200、220°C）下测量了最大应变，在 220°C 下只有六个时间间隔。 但是，视频中显示的退化模型的 Arrhenius 公式对我不起作用，我无法解释原因（请参见下面的公式）。 我从视频中获取了表格变量和参数，我只是使用了更高的活化能（100 kJ/mol）和更高的温度起始值（推荐 23°C）。
对我来说，该模型通过非线性调整识别出真正的起始值（399），但仅此而已。 在视频中，首先在“退化模型”列中计算了理论衰变，并且基于此，我相信衰变的真实活化能，这对我不起作用。 如果我将激活能设置为 10，就像在视频中一样，它会错误地计算起始值 (290)，但至少它会计算一些东西并且分析图表也没有意义。
有谁知道出了什么问题？ 请不要 JSL 脚本作为答案，我还没有那么远！ 
提前致谢！
EA 调整 = 100 EA 调整 = 10
我的数据：26以下是测量时间后的应变
视频中的公式
我的公式：
分析数据表图形其他视窗回复：加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不起作用在咨询了开发人员后，我们设计了一个简单的解决方案。使用中间实验温度（您的情况是 200°C）作为参考温度，而不是使用条件。从头开始使用原始起始值拟合模型。然后推断回使用条件（您的情况是 23°C）。使用非线性平台后，它看起来应该是这样的。这样您就不会遇到估算的不稳定性。我现在也在“退化”平台中获得了相同的估算值。
我根据这些更改更新了我的数据表。附件如下。
回复：加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不起作用不幸的是，非线性回归可能严重依赖于起始值，因此使用启发式方法可能会有所帮助。我怀疑 EA 不会大到 100，因此 EA = 10 可能是更好的选择。这里的变化率 d 比 0.01 大得多。如果您尝试将 d = 10 作为起始值会怎样？
您也可以研究其他平台来进行此类分析。请参阅有关降级平台的帮助章节。
回复：加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不起作用嗨马克，
谢谢你的提示。我已经尝试将 EA 设置为 10，正如我在问题描述中所描述的那样。然后起始值计算错误，分析图没有任何意义。我也尝试用 EA =1 来拟合我的数据，但这没有帮助。我尝试在分析功能下使用退化平台，但在那里我找不到阿伦尼乌斯模型，也许它在那里，但我没有认出它。
回复：加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不起作用您的变化速度比课程中的示例更快，因此我还建议同时使用更大的d起始值。
我将您的数据输入到数据表中，并添加了非线性模型的公式。JMP 似乎很难找到良好的拟合。收敛性在很大程度上取决于起始值。
我也尝试使用“退化”平台。我在数据表中保存了“非线性”和“退化”的脚本。
您应该将此问题报告给 JMP 技术支持（ support@jmp.com ）并提供此数据表以供调查。
回复：加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不起作用我做了更多调查，并将此案例报告给了开发人员。他们发现，由于使用条件和实验温度之间存在很大差异，因此存在很大的数值不稳定性。您可以在 d 和 ea 参数之间的高相关性以及参数分析器中看到这种影响。您可以更改 ea，然后更改 d 以获得基本相同的 SSE，因此不存在稳定的收敛。
这个模型可能不适合你的数据。我得到的最佳结果仍然表现出非线性残差模式。可能是这个模型的假设被违反了。你可以尝试转换响应或时间，看看这种变化是否会提高拟合的稳定性。你可以尝试另一个模型，比如有两个因素的 Eyring 模型。
回复：关于加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不再适用。嗨，马克，
为了将应用温度从 23°C 调整得更接近测量温度，我达到了目标。实际上，应用温度应该在 180 到 220°C 之间。谢谢你指出我的错误！
回复：关于加速老化中的非线性回归，退化模型的阿伦尼乌斯公式不再适用。在这样复杂的分析中，很容易犯一些简单的错误。我也从中吸取了教训。
