回归模型的响应优化器示例

技术人员测量了作为太阳热能检验一部分的热通量和日照。某能源工程师想要确定如何通过东、南、北各方向焦点的位置来预测热通量和日照。

工程师希望对焦点进行排列,以接收目标太阳能辐射量,同时产生目标热量。工程师对“热通量”和“日照”这两个响应拟合回归模型,并使用响应优化器查找为这两个响应生成可接受值的预测变量设置。

  1. 打开样本数据热能试验.MTW
  2. 选择统计 > 回归 > 回归 > 响应优化器
  3. 暴晒行中,选择目的中的目标,然后在目标值中输入 750
  4. 热通量行中,选择目的中的目标,然后在目标值中输入 200
  5. 单击确定

解释结果

Minitab 使用两个存储模型估计对这两个响应变量的值进行优化的预测变量设置。这两个响应的合并或复合合意性是 1,这表明所得到的解非常优秀。

工程师决定将焦点设置在图形中显示的值。也就是说,将“东”设置在 32.2129,将“南”设置在 34.9758,将“北”设置在 18.3831。“会话”窗口的输出指示为这些设置预测的响应为 750.0(对于日照)和 200.00(对于热通量)。预测区间指示这些预测的精确度。

可以直接在图上调整此初始解的因子设置。移动竖条以更改因子设置,并观察响应的单个合意性 (d) 以及复合合意性如何变化。

响应优化: 暴晒, 热通量

参数 响应 目的 下限 目标 上限 权重 重要度 暴晒 望目 568.55 750 909.45 1 1 热通量 望目 181.50 200 278.70 1 1
解 暴晒 热通量 复合合 解 东 南 北 拟合值 拟合值 意性 1 32.2129 34.9758 18.3831 750 200 1
多响应预测 变量 设置 东 32.2129 南 34.9758 北 18.3831
拟合值 响应 拟合值 标准误 95% 置信区间 95% 预测区间 暴晒 750.0 34.3 ( 679.3, 820.7) ( 621.8, 878.2) 热通量 200.00 5.14 (189.41, 210.59) (179.37, 220.63)
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策