在上述分析过程中,利用rsm()函数可以一步得到结果。在实际分析过程中,可以通过等高线法、响应曲面图、最速上升法(岭脊分析法)和线性规划求解方程法从不同侧面理解响应曲面实验数据分析过程,分别介绍如下。
1.图形分析确定最优方案
利用rsm包中contour.lm()函数绘制等高线图,persp.lm()函数绘制曲面图,参数at=xs()表示一并给出最佳水平。
图14-4 等高线图形分析
绘制响应曲面图。
图14-5 绘制响应曲面图
也可以将上述图片存储为PDF格式备用。(www.xing528.com)
2.岭脊分析法确定最优方案(最速上升法)
最速上升法是沿着响应有最大增量的方向逐步移动的方法。实验是沿着最速上升的路径进行的,直到观测到的响应不再增加为止,然后拟合一个新的模型,确定一条新的最速上升路径,持续此过程,最后到达最优点的附近区域。rsm包中函数canonical.path()只能对二阶回归模型进行岭脊分析。实际操作中可先用较宽的步长计算,方便我们找到行岭脊分析的最佳区域,再缩小步长寻找最优解。steepest()函数可以对一阶模型做线性上升或者对二阶模型做岭脊分析。建议使用函数canonical.path()分析。
先用较宽的取值范围计算极值所在范围,显示disc在(-2,2)之间能获得最佳实验效果
通过岭脊分析函数确定最优方案。
3.线性规划求解最优方案
对拟合方程进行求极值,找到最优配比。在R里面可以用函数nlminb()对一个有约束条件的多元方程求极值(最小值)。具体代码如下,结果与图形分析和岭脊分析一致,convergence为0表示收敛完整。
或者使用maxLik包中maxLik()函数求极值(最大值)。具体代码如下,结果与图形分析和岭脊分析一致。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。