高斯过程模型的示例

在给出指定的工程模型的前提下，使用高斯过程模型可了解包含在模型中的因子对响应的影响。数据演示了从地表穿过两个蓄水层的钻孔中通过的水流。

1. 选择帮助 > 样本数据文件夹，然后打开 Design Experiment/Borehole Latin Hypercube.jmp。

2. 选择分析 > 专业建模 > 高斯过程。

3. 从 log10 Rw 一直选择到 Kw，然后点击 X。

4. 选择 Y 并点击 Y。

5. 在 JMP Pro 中，要更快运行分析，可以保持选中“快速 GASP”。

6. 点击确定。

图 17.5 “Borehole Latin Hypercube”报表 

“预测值-实际值”图中的数据落在 Y = X 沿线，指示高斯过程预测模型是真实函数的良好近似。在“模型报表”中，您会看到第一个因子 log10 Rw 具有最高的总灵敏度。log10 Rw 的估计总灵敏度解释了响应中有超过 90% 的变异。theta 值较小的因子对于预测公式几乎没有（或没有任何）影响。使用刻画器可直观演示灵敏度。

7. 点击“‘Y’的高斯过程模型”红色小三角并选择刻画器。

由于响应 Y 具有“响应限”列属性，因此会自动显示意愿函数。

8. 点击“预测刻画器”红色小三角，然后选择优化和意愿 > 最大化意愿。

图 17.6 “高斯过程模型”刻画器 

意愿函数设置为将响应 Y 最大化，因为 Y 的目标在“响应限”列属性中设置为“最大化”。最大化意愿函数确定了使响应最大化的因子的值。着色带代表 95% 置信区间。

注意：您的估计值可以不同于图 17.5 中的显示，该图中的显示使用“快速 GASP”算法得到。

需要更多信息？有问题？从 JMP 用户社区得到解答 (community.jmp.com).