田间试验与统计方法11_响应面设计.ppt

响应面试验最优值预测方法 首先根据实际情况确定每个因素可以取值的范围，例如在酶催化条件优化试验，温度范围一般不会超过80℃，否则酶会变性，那么我们就可设置该因素取值范围为0-80，也可根据实际实验或者生产条件设置该值。 响应值目标的确定 我们每个试验都有不同的目的，有的想使结果最大，例如某种物质的提取率，有使结果最小，例如检查几种因素对产品稳定性的影响，此时结果越小越好，有时候我们需要把结果稳定在某个范围或者需要一个固定的，无限趋近的目标值。那么在这四种模式中我们可以选择其相对应的情况 例如，本实验中我们想得到一个结果最大，那么我们选择MAXIMIZE，然后在下面两个框中，左侧低值可不管，右侧高值项中填入一个尽可能大的无法达到的值，例如，某物质提取试验，提取率最高不会超过100%，那么我们在右侧填入100%即可达到我们的目的，当然，填入200%亦可。 上一步完成后在此处点击solutions选项卡，即可看到经过分析得到的最优值，其中第一个方案就是各因素取最优值后的结果可取得最大化的解决方案，为预测值 此处为最优条件 11.3 Design-Expert 的应用——CCD 在乙醇法提取鲜桑葚原花青素试验中，为研究液料比、提取时间、乙醇体积分数以及提取温度对原花青素提取的影响，设计如下试验： 水平 A液料比 B提取时间 C乙醇体积分数 D提取温度 ml：g min % ℃ -2 10.0：1 10.0 0 25.00 -1 22.5：1 27.5 20 38.75 0 35.0：1 45.0 40 52.50 1 47.5：1 62.5 60 66.25 2 60.0：1 80.0 80 80.00 讨论：正交试验设计与回归设计 正交试验设计通常是在单因素试验基础上，选择相应的指标如浸提温度、浸提时间、浸提液浓度、液料比等为考察因素，采用正交表进行正交试验，对考察指标进行方差分析,以确定最佳的处理条件 。正交试验设计的基本特点是：用部分试验来代替全面试验，通过对部分试验结果的分析，了解全面试验的情况。正交试验设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 但正因为正交试验是用部分试验来代替全面试验的，它不可能像全面试验那样对各因素效应、交互作用一一分析；当交互作用存在时，有可能出现交互作用的混杂；同时正交设计只能挑选出试验因子的最优组合，对试验设定以外的因素水平的效果不能做出预测。 回归设计是在多元线性回归的基础上，通过主动收集数据的方法获得具有较好性质的回归方程的一种试验设计方法。响应曲面分析，采用多元回归方程来拟合影响因素与响应值之间的函数关系，对回归方程进行分析得到优化的工艺参数。响应曲面的模型主要有CCD和BBD模型。 因素数(k) 2 3 4 5 6 7 次数 CCD 13 20 31 52 90 — BBD — 17 29 46 54 62 CCD BBD α的选取 在α的选取上可以有多种出发点，旋转性是个很有意义的考虑。在k个因素的情况下，应取 α = 2 k/4 当k=2， α =1.414；当k=3， α =1.682；当k=4， α =2.000；当k=5， α =2.378 按上述公式选定的α值来安排中心复合试验设计(CCD)是最典型的情形，它可以实现试验的序贯性，这种CCD设计特称中心复合序贯设计(central composite circumscribed design,CCC)，它是CCD中最常用的一种。 如果要求进行CCD设计，但又希望试验水平安排不超过立方体边界，可以将轴向点设置为+1及-1，则计算机会自动将原CCD缩小到整个立方体内，这种设计也称为中心复合有界设计(central composite inscribed design,CCI)。 这种设计失去了序贯性，前一次在立方点上已经做过的试验结果，在后续的CCI设计中不能继续使用。 对于α值选取的另一个出发点也是有意义的，就是取α=1，这意味着将轴向点设在立方体的表面上，同时不改变原来立方体点的设置，这样的设计称为中心复合表面设计 (central composite face-centered design,CCF)。 这样做，每个因素的取值水平只有3个(-1,0,1)，而一般的CCD设计，因素的水平是5个(-α,-1,0,1,α),这在更换水平较困难的情况下是有意义的。 这种设计失去了旋转性。但保留了序贯性，即前一次在立方点上已经做过的试验结果，在后续的CCF设计中可以继续使用，可以在二阶回归中采用。 中心点的个数选择 在满足旋转性的前提下，如果适当选择Nc，则可以使整个试验区域内的预测值都有一致均匀精