本例使用的数据演示了从地表穿过两个蓄水层的钻孔中通过的水流。在使用指定的工程模型的前提下,高斯过程能让我们了解包含在模型中的因子对响应 Y 的影响。
1. 选择帮助 > 样本数据库,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。
“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。
“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“Borehole Latin Hypercube”报表 中的显示,该图中的显示使用“快速 GASP”算法得到。