Nichtlineare Anpassung, nicht optimale LösungIch versuche, das nichtlineare Modellierungstool zu verwenden, um die folgende Gleichung zu lösen.
Parameter(
{Ea = 35, A = 0,25},
Wurzel(
Exp( -(1000 * Ea) / (:R * :"Testtemperatur (K)"n) + A ) *
:"Testzeit (Std.)"n
)
);
Ea und A sind Parameter
R ist eine Konstante
Zeit und Temperatur sind zwei Spalten in meiner Tabelle und ich habe eine Spalte, die ich als y festgelegt habe und die ich zu lösen versuche.
Ich erhalte eine Lösung für Ea und A, aber wenn ich die vorhergesagten Werte mit den experimentellen Werten vergleiche, erhalte ich keine gute 1:1-Anpassung (d. h. eine Steigung von ~1,5). Ich habe bessere Lösungen für dieses Problem gefunden, indem ich zwei separate Linearisierungsmethoden zur Lösung von Ea und A verwendet habe, aber ich möchte es auf diese Weise ausführen, um die oberen und unteren Grenzen für die Schätzung zu erhalten.
Es scheint, als würde die Software bei einigen lokalen Minima hängen bleiben, anstatt zu einer optimalen Lösung zu gelangen. Kann ich diese Methode irgendwie verbessern?
Danke schön,
JMP Version 16.0.0
Betreff: Nichtlineare Anpassung, nicht optimale LösungVersuchen Sie, diese Gleichung zu lösen:
Möglicherweise sind Ihre Startwerte (35, 0,25) für Ea und A zu weit vom Optimum entfernt.
Schauen Sie sich die Gleichung an. Nach der algebraischen Manipulation ist sie äquivalent zu Folgendem:
Log(Y^2 / Zeit) = A - 1000/(R*Temp) * Ea.
Das ist eine einfache lineare Beziehung. Und Sie können eine Regression ausführen, um eine Schätzung für A (Achsenabschnitt) und Ea (Steigung) zu erhalten. Setzen Sie dann die Schätzung zurück, um Ihre nichtlineare Regression zu lösen. Vielleicht kann das helfen, aber keine Garantie. Es hängt immer noch von Ihren Daten ab.
Betreff: Nichtlineare Anpassung, nicht optimale LösungHallo @Rutuger85 ,
Willkommen in der Community!
Ohne einen Beispieldatensatz zum Testen ist es möglicherweise schwierig, Ihnen zu helfen. Könnten Sie einen anonymisierten Datensatz weitergeben?
@peng_liu hat Ihnen mit der möglichen Transformation Ihrer Gleichung und den unterschiedlichen Startpunkten für Ihre Parameterwerte Ea und A bereits einen guten Ausgangspunkt gegeben.
Wenn Sie die Dokumentation „Statistische Details zur effektiven nichtlinearen Modellierung“ lesen, finden Sie möglicherweise noch andere Optionen, die Sie ausprobieren können:
- Geben Sie Parametergrenzen an (rotes Dreieck von Nonlinear Fit, "Parametergrenzen" Nonlinear Platform Options ), um den Suchraum zu reduzieren,
- Ändern Sie die Optimierungsmethode (rotes Dreieck unter „Nichtlineare Anpassung“, „Iterationsoptionen“ und versuchen Sie , Newton, QuasiNewton SR1, QuasiNewton BFGS usw. zu verwenden).
- Stoppbedingungen ändern: Anzahl der Iterationen (Sie können sie erhöhen, um die Chance zu verbessern, ein Optimum zu finden), Objektänderung, …
Sie können am Ende auch die mit den Parametern verknüpften Schieberegler verwenden, um zu versuchen, die Anpassung manuell zu verbessern und/oder akzeptablere Startwerte für den gewählten Solver zu finden.
Eine andere Möglichkeit könnte darin bestehen, die Plattform „Fit Curve“ zu verwenden und zu versuchen, ein geeignetes Modell zu finden (Statistische Details für Fit Curve-Modelle) .
Ich hoffe, diese zusätzlichen Vorschläge werden Ihnen helfen,
