SimBiology позволяет вам оценить параметры модели путем подбора кривой модели к экспериментальным данным курса времени, использования или нелинейной регрессии или смешанных эффектов (NLME) методы. Можно выполнить и человека и подгонки генеральной совокупности к сгруппированным данным.
Отдельная подгонка — Подходящие данные с помощью нелинейной регрессии (наименьшие квадраты) методы, задайте преобразования параметра, оцените параметры и вычислите невязки и предполагаемую содействующую ковариационную матрицу. Для рабочего процесса командной строки смотрите Подходящий Рабочий процесс для sbiofit. Для рабочего стола SimBiology сочтите целесообразным Данные.
Подгонка генеральной совокупности — Подходящие данные, задайте преобразования параметра и оцените фиксированные эффекты и случайные источники изменения на параметрах с помощью нелинейных моделей смешанных эффектов. Для рабочего процесса командной строки смотрите Нелинейные Смешанные Эффекты Моделировать Рабочий процесс. Для рабочего стола сочтите целесообразным Данные.
Подгонка генеральной совокупности использование стохастического алгоритма — Подходящие данные, задайте преобразования параметра и оцените фиксированные эффекты и случайные источники изменения на параметрах, с помощью алгоритма Стохастической максимизации ожидания приближения (SAEM). SAEM более устойчив относительно начальных значений. Эта функциональность ослабляет предположение о постоянном ошибочном отклонении. Задайте nlmefitsa как имя функции оценки, когда вы запустите sbiofitmixed или в Подходящей задаче Данных рабочего стола.
Кроме того, можно включить опцию ProgressPlot, чтобы получить живую обратную связь на состоянии оценки параметра.