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

注意： 考虑到最小化例程的起点不同或使用不同的拟合选项，估计参数可能有所不同。上面显示的结果是使用 JMP Pro 中的 Fast GASP 例程获得的。

“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 。调整 Y 轴（若需要）以查看最佳结果。

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。