用线性模型研究非线性过程的试验方法

1.前言

如果回归方程为线性函数，则优化推断很容易形成。因此，线性模型的使用率很高，甚至成为首选。以为撒大网就能捉到大鱼，结果可能捉不到鱼。因为大多数实践课题不是线性的。如果处理不当，会掉入线性陷阱。

使用线性模型是有条件的。除非确有把握，否则，在试验设计时，线性只是一种假设，必须加以检验。如果检验结果，过程不是线性的，必须采取补救措施，修正模型，从而也修正实验设计，重估参数。 非线性过程使用线性模型，其回归系数估计值不是主效应估计，而是多重效应的叠加混杂，离真正的主效应相差太多。推断的优化方向与应该的优化方向有一个很大的夹角，这个夹角依赖于主效应估计与其实际值的差异。因而可能不代表优化方向，甚至背道而驰。

根据数学分析原理，在小范围内，曲面可以用平面来近似，它预报的优化方向与实际优化方向的偏差较小。 这种方法既可以避开研究交互效应，试验数目少，优化速度快，效果好。

2. 方法描述

一项产品的性能 y 受一些变量（因子）x₁,x₂,...,x_p的影响。 我们可以假设它们之间存在一种关系

y=f(x₁,x₂,...,x_p)+e ------(1), 这里 f(X) 是某个函数，e 是误差。 函数 f 是什么形式，实验之前不清楚。我们常常使用 线性的或非线性的这样的数学术语来粗略地表述这种关系。

所谓非线性关系，是指随着 x_i 的变化，y 的变化不是直线关系。只有一个变量时是曲线，两个变量时是曲面， 在多变量情况下，画不出图来，称为超曲面。数学表达式多种多样，这里不详述。

所谓线性关系，是指随着 x_i 的增加，y 呈直线上升或下降。直线是相对于一个变量而言，两个变量就是平面。 更多的变量，在多维空间中，画不出图来，称为超平面。用数学式表示，

y=f(X)=b₀ +b₁ x₁ + b₂x₂+ ...+ b_px_p+e ------(2), 线性预报函数很容易推断出优化方向。 假定 y 是越大越好，那么，如果第 i 个回归系数 b_i>0, 则 x_i越大越有利于 y，反则反之。 优化方案很容易形成。

正是非线性过程中响应变量与自变量之间的关系非常复杂，使用回归分析研究这种关系有些困难。 既然是非线性的，一定存在最大值点和最小值点。 一个曲面的最大值最小值在什么位置，事前不清楚，需要用试验来搜索。这就有搜索策略问题。 通常是大范围搜索。所谓撒大网捉大鱼的策略。 理论上，如果鱼存在，一定在大网里。鱼多大？网该织多密？太疏，鱼漏网。太密，则试验数太多，我们不能接受。 例如，5 个因子，每个因子 5 个水平（级别），总共有 5⁵=3125个实验。 这个数目很难被接受。5 水平的密度还不够精密，10水平的试验数是 100,000。10 水平有时也不算精密。 许多工程师选择二水平正交表。用 8 个实验来实施这一捕鱼行动。 每个变量只有两个水平，两个因子相互配合只有四个试验点，拟合结果是一个平面。 就是说，我们已经假定了我们研究的过程是线性的（超平面）。 即，事实上是用一个平面去近似那个曲面。 平面的优化点一定在所研究区域的边界上。而峰点通常在所研究区域的内部。我们推断的优化点指向了相反的方向。 专业试验工作者会采取某些措施来弥补，经验不够时就会茫然失措，失去信心。这样的例子屡见不鲜。

为了形象地解释这一问题，我们举单变量的例子。

图1. 非线性过程示意图

假设 y 只依赖于一个变量，是非线性关系。最大点在什么位置，我们不清楚。 假如用 a,b 两点做试验，得到了直线AB， 这条直线的优化方向指向峰的一侧，那里是“山谷”，越往外推，距离峰越远。

图 2 模拟二变量的情况，曲面 S 代表一个二元过程的本来曲面，它的最大值（优化点）是那条红色竖线，位置在点 O。 四个点拟合得到平面 M。那么，我们推断最大值点在右上方。外延出去越远，离真正的优化点 O 越远。

图2. 平面拟合曲面示意图

假如换一种策略。在一个小的局域中试验，在这个小的局域中，曲线可以用直线来近似，曲面可以用平面来近似。 由它导出的优化方向指向偏差不大。例如，图 1 中选择 c,d 两点，回归直线CD。 外延指向峰顶，经过几步外推会到达峰附近。由图 1 可见，一旦到底峰顶，该因子的效应估计值接近于0, 对参数的扰动很敏感。 图 2 中的小区域 D₁，它对应的小片曲面用平面来近似，外延指向峰顶，经过几步外推会到达峰附近。

小局部范围内试验，也只有这样，才能用线性模型研究非线性过程。

方法步骤如下：

1. 选定一组观察变量， (x₁, x₂,...,x_p)， 从本专业知识出发，确定每个变量的变化区间，构成试验范围 D
2. 在实验范围 D 内确定试验的起点 X₀= (x⁰₁, x⁰₂,...,x⁰_p) ， 建议该点在 D 的中部。以 X₀ 为中心，给每个变量 x_i 确定一个小的变化范围。 建议单边 δ_i 不超过该变量变化范围的10%。
3. 选一个正交表，安排一组试验。建议采用不规则正交表，据情选用正交超立方或固定水平或混合水平。
4. 完成试验后，用向后逐步回归分析，估计模型 (2) 的回归系数β_i(i=1,2,...,p)（作为b_i的估计值）。 得到回归方程 y^=f(X)=β₀ + β₁ x₁ + β₂x₂ + ...+ β_px_p ------(3),
5. 推断得到一个优化方案 X₁= (x¹₁, x¹₂,...,x¹_p) 。原则如下：

   如果β_i>0, 则 x_i 往前进一个距离到 x¹_i=x⁰_i+δ_i ;

   如果β_i<0, 则 x_i 向后退一个距离到 x¹_i=x⁰_i-δ_i ;

   如果β_i=0, 则遵循“价格贵的尝试少用，价格便宜的尝试多用。”的原则 前进一个距离或者后退一个距离。

6. 用X₁作试验点检验推断的优化效果，试验至少重复两次，作统计检验。比较试验结果。 如果效果好，继续推进。直到推断与验证严重不符，意味着已经到达峰点附近，可能跨越了峰顶，停止推进。进入下一步，修改方向，调整精度。
7. 可以回到第 1 步，调整系统，重复操作；也可以不调整系统，只将试验区域移动到一个新点。 也可以把试验数据合并，回到第四步重估回归系数，重复其后步骤。 直到能够确认每个变量到达其稳定点 附近或者达到了理想的效果，即，回归系数估计值的绝对值都很小时，结束试验。

2. 说明与讨论

1. δ不能太大，如果太大，可能超出平面近似曲面的允许范围；也不能太小，如果太小，信息差异可能比试验误差还小，被淹没不能被检出。 δ_i究应该取多大？目前给不出标准。如果因子 x_i 很敏感，就应该取小一点；否则可以大一点。 在试验过程中， δ_i可以调整。
2. 传统的正交表有局限性，特别是二水平表，试验点密度低，信息存在混杂叠加现象。而多水平表的列数少，试验数多，理论上信息也是混杂叠加的。
3. 过程中试验点（区域）逐步移动，移向优化点。优化点实际上是一个区域，精度由δ_i确定。参见图 2.
   

   图2. 一步一步地移动试验区域

4. 步骤 5 的所谓前进一个距离或者后退一个距离的“距离”不一定恰好是δ 甚至可以是几个δ.这需要试验者自己判断。
5. 这种方法类似于梯度法。不同的是，梯度法不要求实验区域是小范围，梯度向量是对目标函数取偏导数的结果，如果目标函数是非线性的，不能只取主效应估计。有些作者采用二水平正交表，而不对交互项取偏导数，梯度向量就必然存在很大的误差。本方法采用线性模型，在小范围内试验，不存在取偏导数的问题。