我有这个数据（t，TR和h），需要估算这个模型的参数（a，b，c，d和e）：h =（a log（TR）+ b）< / em>的（C *（T ^ d）-e）* 41.59
t <- c(120,60,50,40,30,20,10,180,120,60,50,40,30,20,10,120,60,50,40,30,20,10,120,60,50,40,30,20,10)
TR <- c(2,2,2,2,2,2,2,5,5,5,5,5,5,5,5,10,10,10,10,10,10,10,20,20,20,20,20,20,20)
h <- c(49.4,41.6,39.1,36.2,31.9,25.1,15.9,80.2,70.3,55.2,51.6,47.3,41.7,33.2,22.1,84.2,64.1,59.9,54.6,48.1,38.6,26.2,97.5,72.8,67.9,61.6,54.3,43.7,30.1)
bell <- nls(h ~ ((a1*log(TR)+a2)*(a3*(t^b)-a4)*41.59), start = list(a=0.6,
b2=0.3, c=0.4, d=0.30, e=0.4))
我尝试了“nls”和“nls2”进程，但这些因为这个没有用： nlsModel中的错误（formula，mf，start，wts）： 初始参数估计时的奇异梯度矩阵
所以，我按照这个程序建立了一个可能的解决方案（我认为这是一个线性约束优化）： 求解这个方程组
U1 <- log(TR)*(c1*t^d1-e1)*41.59
U2 <- (c1*t^d1-e1)*41.59
U3 <- t^d1*(a1*log(TR)+b1)*41.59
U4 <- c1*t^d1*log(t)*((a1*log(TR))+b1)*41.59
U5 <- -(a1*log(TR)+b1)*41.59
从假设的模型参数的初始值， 连续的线性方程组，以获得每次最接近零的偏差值。
ΣZ=（a1-a）ΣU1，i +（b1-b）ΣU2，i +（c1-c）ΣU3,1+（d1-d）ΣU4，i +（e1-e）ΣU5，i < / p>
对于每次迭代，参数的值假定在中获得的值 上一次迭代，加上偏差......
我怎么能在R？中做到这一点？
我很抱歉因为我是初学者，我不会说英语。 非常感谢你能给我的任何帮助。