一、Gompertz模型简介

Gompertz模型是一种经典的生长曲线模型，通过S型曲线描述事物从初始增长到饱和的过程，广泛应用于软件缺陷预测、产品生命周期分析、生物生长趋势模拟等领域。在ZenDAS中，Gompertz模型被优化为面向软件测试场景的缺陷预测工具，帮助用户量化缺陷发现效率，优化测试资源分配。
适用场景举例：

• 预测软件测试阶段的缺陷发现趋势；
• 估算产品上市后的用户增长饱和值；
• 评估生产流程中的问题收敛速度。

二、数据输入要求

1.数据类型：
时间序列（必填）：表示观测时间点（如测试天数、周数），需为正整数（如1, 2, 3…）。
数值序列（必填）：表示对应时间点的数值（如缺陷数、新增用户量），需为非负整数（如0, 50, 100…）。
2.数据格式：

数据需按时间顺序排列，且无缺失值（示例见下表）：

时间序列	数值序列（缺陷数）
1	5
2	12
3	25
...	...

三、表单配置说明

在ZenDAS中选择Gompertz模型后，需配置以下参数：

1.必填参数：

期望遗留缺陷率（%）：定义测试结束时预期未发现的缺陷占比（例如输入“10%”，表示模型将基于该目标优化预测结果）。建议参考历史数据或行业基准值设置,通常情况，针对4、5级的软件公司，此值通常小于等于5%。

2.可选参数：
期望累计缺陷数：用户可输入已知或预估的缺陷总数，辅助模型校准（若留空，模型将自动计算最优值）。

四、操作步骤

1.创建分析项目：

在ZenDAS中新建项目，命名并选择“Gompertz模型”。

2.导入数据：

上传或输入时间序列与数值序列数据，确保符合整数格式要求。

3.配置参数：
填写期望遗留缺陷率（必填），按需填写期望累计缺陷数（选填）。
4.运行分析：

点击“开始分析”，系统自动拟合模型并生成结果。

五、输出结果解读

模型参数输出：

• k（饱和值）：预测的累计缺陷总数或最终增长饱和值。
• a和b是模型参数，决定曲线形状和增长速度。

拟合曲线图：

• 横轴为时间序列，纵轴为数值序列，展示实际数据点与模型拟合曲线的对比。
• 实际值（蓝色点）与预测值（橙色曲线）的贴合度越高，模型精度越优。

应遗留缺陷数：基于用户设定的期望遗留缺陷率，估算未发现的缺陷数量。

应发现的缺陷数：在期望遗留缺陷率的基础上，应该发现的缺陷数量。

距离目标缺陷数的差距：应发现的缺陷数与已发现的累计缺陷数的差值。

还需测试的次数：发现应发现的缺陷数量还需要测试的轮次。

六、注意事项

数据质量：时间序列需连续且无重复，数值序列需单调递增（否则模型可能报错）。
参数调优：若拟合曲线与实际值偏差较大，可尝试调整“期望累计缺陷数”或检查数据是否存在异常。
结果应用：Gompertz模型更适用于中长期趋势预测，短期波动需结合其他方法（如控制图）分析。