707635_fr-FR
Régression des moindres carrés pour système d'équations non linéairesBonjour - J'ai un modèle moyennement complexe pour un processus physique (adsorption ionique pour tous ceux qui savent ce que cela signifie). J'ai deux variables de départ, x1 et x2, et deux résultats mesurés, y1 et y2 qui changent avec x1 et x2, et des variables non mesurables ou difficiles à mesurer, g1,...,gn qui ne changent pas. L'un ou les deux de x1 et x2 peuvent également changer pour chaque ligne d'une série. J'ai un ensemble d'équations non linéaires, s = f(x1, x2, y1,...,y2, g1,...,gn), ainsi que quelques autres fonctions de différentes variables dans f, en fonction de la complexité de moi. je veux que le modèle soit. Voir la pièce jointe pour des exemples d'équations.
La façon typique de procéder est dans Matlab avec lsqnonlin. Fonctionne bien, mais c'est un ours à mettre en marche. Je préférerais de loin avoir une formule de colonne (pas si simple). Cependant, je ne sais pas vraiment comment le coder. La régression non linéaire est conçue pour des équations uniques, et avec les trois équations qui décrivent toutes les mêmes s, il semble que la récursion serait abondante. Je ne sais pas non plus quelle serait la fonction de perte. Dans Matlab, nous saisissons les valeurs de supposition, calculons les moindres carrés entre la supposition et la valeur calculée, la mettons à jour si la somme des différences au carré de toutes les suppositions et équations se situe en dehors d'une certaine tolérance, puis effectuons une boucle. Je suppose que cela est fait en interne par la plate-forme non linéaire, mais mon objectif est-il alors nul puisque je veux que la somme des différences au carré soit nulle ? Ou sinon, comment faire plusieurs équations ?
Je m'excuse si c'est beaucoup plus simple que je ne le pense.
Modélisation statistique avancéeles fenêtres
