均匀设计方法在提取工艺中的应用.docxVIP

均匀设计方法在提取工艺中的应用均匀设计方法在提取工艺中的应用Uniform design method in the application of the extraction process摘要利用统计学方法处理科学试验数据是当今在科学研究中重要的一个环节，但应当注意到在试验过程中试验设计是否合理直接影响到试验的结果和统计分析。另一方面，科学的试验设计可以大量的节省试验次数．达到试验的最佳效果。通过对均匀设计与正交设计的比较，说明了均匀设计可用较少的试验次数达到较好的试验效果，同时指出了其在应用中应注意的问题。关键词：均匀设计；正交设计；回归分析AbstractUsing statistical method to deal with the data is an important role in science research. It should be noticed that only a reasonable design can gain a reasonable result and a correct statistic analysis．0n the other hand, a scientific design can save times of experiments. In this paper, the methods are compared between the orthogonal design and the uniform design. As a result, the uniform design can use a few experiments to gain a better result．And at the same time, it is pointed out that some problems should be noticed during the use of uniform design．Key words: uniform design； orthogonal design；regression analysis科学试验是人们认识自然、了解自然的重要手段，是人类赖以生存和发展的重要手段。试验比较简单时，人们凭经验就可以进行。但是当试验设计的因素众多，它们之间的关系更加复杂，光凭经验已不能达到预期的要求，这时便有了试验设计。统计试验设计是统计学的重要分支，它能大量的节省试验的次数。根据不同的研究目的，选用不同的设计，能更好的节省时间、财力、物力达到最佳的效果。如何安排试验，是一个十分重要和值得研究的问题。如何安排试验，是一个十分重要和值得研究的问题。通常采用的实验设计方法有全面试验法和正交试验法。全面试验法是让每个因素的每个水平都有配合的机会，并且配合的次数一样多，其优点是结论较精确，缺点是试验次数太多。正交试验法是使用一套规格化的正交表，排出最有代表性的试验，合理节省试验次数，并从试验数据中充分提取所需信息，特点是具有均匀分散、整齐可比性。在医药学研究中，常有这样的试验：试验中有s个因素，它们各取q个水平。若用正交试验法来安排这一试验，预估计某一因素的主效应。在方差分析模型中占q-1个自由度，s个因素共有s(q-1)个自由度，如果进一步考虑任意两个因素的交互作用，则共有个的交互作用，每个占(q-1)2个自由度。上述两项的自由度之和为s(q-1)+s(s-1)(q-1)2。如果高阶交互作用可以忽略不计。其试验数n必须大于s(q-1)+s(s-1)(q-1)2。例如：在一个5因素3水平的试验中，试验数n必须大于50[1]。又如：在催化剂研究中，活性组份的选择及组份间的配比、沉淀的pH值及温度、陈化时间、焙烧温度、气氛等都是影响催化剂性能的重要因素，如何在较短的时间内，以较少的人力和物力找到催化剂的最佳元素配比和制备条件在催化剂研究中显得日益重要。采用全试验法和正交试验法有时显得力不从心。如3因素10水平试验，不考虑交互作用，用正交法需要100次。一方面，正交表为了照顾“整齐可比”的特点，往往无法做到充分“均匀分散”。另一方面，在多数试验中上述的主效应和两因素之间的交互作用可能不同时显著，如试验前已有足够的证据可忽略某些主效应或交互效应，则试验数以可适当减少。但是，在许多试验中，试验者在试验前并不能十分清楚哪些可以忽略。因此，当水平数大于2时试验的次数将会很大。但众所周知2水平的试验只能解决响应和因素之间的线性关系，3水平试验只能拟合响应和因素之间的二次多项式关系。当响应和因素之间的关系为高次多项式或非线性关系时．就需要更高水平的试验，此时访察分析模型要求的试验次数时，试验者望而却步。这启示我们在试验时，可以不考虑“整齐可比”，而让试验点在其范围内充分“均匀分