非線形フィッティング非最適解非線形モデリング ツールを使用して次の方程式を解こうとしています。
パラメータ(
{Ea = 35、A = 0.25}、
根（
Exp( -(1000 * Ea) / (:R * :"テスト温度 (K)"n) + A ) *
:"テスト時間 (時間)"n
）
);
EaとAはパラメータである
Rは定数である
時間と温度はテーブル内の 2 つの列であり、解決しようとしている y として設定した列があります。
Ea と A の解は得られましたが、予測値と実験値をプロットすると、1:1 の適合度 (つまり、傾きが約 1.5) が得られません。この問題に対して、2 つの別々の線形化方法を使用して Ea と A を解くことで、より良い解を見つけましたが、推定値の上限と下限を取得できるように、この方法で実行したいと思います。
ソフトウェアは、最適なソリューションに導くのではなく、何らかの局所的最小値で停止しているようです。この方法を改善するためにできることはありますか?
ありがとう、
JMP バージョン 16.0.0
Re: 非線形フィッティングの非最適解次の方程式を解こうとしていますか:
おそらく、Ea と A の開始値 (35、0.25) は最適値から遠すぎるのでしょう。
代数操作後の方程式を見ると、次の式と同等になります。
Log(Y^2 / 時間) = A - 1000/(R*温度) * Ea.
これは単純な線形関係です。回帰を実行して、A (切片) と Ea (傾き) についての推定値を得ることができます。次に、推定値を戻して非線形回帰を解きます。これは役立つかもしれませんが、保証はありません。依然としてデータに依存します。
Re: 非線形フィッティングの非最適解こんにちは@Rutuger85 さん
コミュニティへようこそ！
テスト用のサンプル データ セットがなければ、サポートするのは難しいかもしれません。匿名化されたデータ セットを共有していただけますか?
@peng_liu は、方程式の可能な変換と、パラメータ値 Ea および A のさまざまな開始点について、すでに適切な出発点を示しています。
ドキュメント「効果的な非線形モデリングに関する統計の詳細」を読むと、試してみることのできる他のオプションもあるかもしれません。
- パラメータ境界（非線形フィットの赤い三角形、「パラメータ境界」 非線形プラットフォームオプション）を指定して検索空間を縮小します。
- 最適化方法を変更します (非線形フィットの赤い三角形、「反復オプション」、およびNewton、QuasiNewton SR1、QuasiNewton BFGS などを使用してみます)。
- 停止条件の変更: 反復回数 (最適値を見つける可能性を高めるために増やすことができます)、オブジェクトの変更、...
最後に、パラメータにリンクされたスライダーを使用して、適合を手動で改善したり、選択したソルバーのより適切な開始値を見つけたりすることもできます。
もう 1 つのオプションとしては、「Fit Curve」プラットフォームを使用して、適切なモデル(Fit Curve モデルの統計詳細)を見つけることが考えられます。
これらの追加の提案が役立つことを願っています。
