非线性拟合非最优解我正在尝试使用非线性建模工具来解决以下方程。
范围（
{Ea = 35, A = 0.25}，
根（
Exp( - (1000 * Ea) / (:R * :"测试温度 (K)"n) + A ) *
:"测试时间（小时）"n
）
（英文）：
Ea 和 A 是参数
R 是常数
时间和温度是我的表中的两列，我将一列设置为 y，我正在尝试求解。
我得到了 Ea 和 A 的解，但当我绘制预测值与实验值时，我没有得到很好的 1:1 拟合（即斜率约为 1.5）。我找到了更好的解决方案，即使用两个单独的线性化方法求解 Ea 和 A，但我想以这种方式运行它，以便能够获得估计值的上限和下限。
看起来软件陷入了局部极小值，而不是努力实现最佳解决方案。我可以做些什么来改进这种方法？
谢谢你，
JMP 版本 16.0.0
回复：非线性拟合非最优解你想解这个方程吗：
也许，您的 Ea 和 A 的起始值 (35, 0.25) 离最佳值太远了。
看一下这个等式，经过代数运算后，它相当于这样：
Log(Y^2 / 时间) = A - 1000/(R*温度) * Ea。
这是一个简单的线性关系。您可以运行回归分析来获得 A（截距）和 Ea（斜率）的估计值。然后将估计值放回去解决您的非线性回归问题。也许这会有所帮助，但不能保证。仍然取决于您的数据。
回复：非线性拟合非最优解嗨@Rutuger85 ，
欢迎加入社区！
如果没有样本数据集进行测试，可能很难帮助您。您可以分享一个匿名数据集吗？
@peng_liu已经为您提供了一个很好的起点，包括您的方程的可能变换以及参数值 Ea 和 A 的不同起点。
如果您阅读了有关有效非线性建模的统计细节文档，可能还有其他选项可以尝试：
- 指定参数界限（非线性拟合中的红色三角形，“参数界限” 非线性平台选项）以减少搜索空间，
- 更改优化方法（非线性拟合中的红色三角形，“迭代选项”，并尝试使用牛顿、拟牛顿 SR1、拟牛顿 BFGS，...），
- 改变停止条件：迭代次数（您可以增加它以提高找到最优值的机会）、Obj 改变……
您还可以在最后使用链接到参数的滑块来尝试手动改善拟合和/或为所选求解器找到更可接受的起始值。
另一种选择是尝试使用“拟合曲线”平台并尝试找到适合拟合曲线模型的模型统计细节。
希望这些额外的建议能对你有所帮助，
