试验设计与数据处理综述.docVIP

试验设计与数据处理综述 ——均匀试验设计 要点：均匀试验设计的概念与特点；均匀实验设计的基本方法和应用。因素水平数确定，均匀试验设计表的选择和使用；含有定性因素的试验设计。 一、均匀试验设计的概念与特点 均匀试验设计就是只考虑试验点在试验范围内均匀分布的一种试验设计方法，是部分因子设计的主要方法之一。它适用于多因素多水平的试验设计场合，试验次数等于因素的水平数，是大幅度减少试验次数的一种优良的试验设计方法。与正交试验设计相比，均匀设计给饰演者更多的选择，从而有可能用较少的试验次数火的期望的结果。均匀设计也是电脑仿真实验设计的重要方法之一，同时也是一种稳健试验设计。 多年来，我国数学界在数论的理论研究与应用研究两方面都卓有成效，“均匀设计”方法的创立就是其中一个例子。10多年来，“均匀设计”方法已广泛应用于国内的竣工化工、医药、食品等领域，并取得显著的成效。在国际上“均匀设计”方法已得到承认和应用，并引起了国际数学界的重视。正交设计法是从全面试验中挑选部分试验点进行试验，它在挑选试验点时有两个特点，即均匀分散、整齐可比。“均匀分散”使试验点具有代表性，“整齐可比”可便于试验的数据分析。然而为了照顾整齐可比，试验点就不能充分的均匀分散，且试验点的数目就会比较多。 试验均匀设计方法的思路是去掉整体可比的要求，通过提高试验点均匀分散的程度，使试验点具有更好的代表性，使得能用较少的试验获得较多的试验信息。 均匀设计沿用了近30年来发展起来的回归设计方法，运用控制论中的黑箱思想，把整个过程看作一个黑箱，把参与试验的因素x1,x2,x3，…，xn 通过运用均匀设计法安排试验，并作为系统的书如参数，把整个实验指标结果Y作为输出参数(如图7-1所示)。 系 统 （黑箱） x1 x2 … xn 图7-1 试验因素（输入）与试验指标（输出）系统 在数学上可把输出参数Y与输入参数xi(i=1,2,---,n)的关系用函数关系式表示出来 Y=f(x1,x2…,xn ) (7-1) 函数模型对不同的系统可根据理论或经验进行假设，然后根据试验结果运用回归分析等方法确定模型中的系数，具体计算时可用国内外已经广泛流行的系统软件SAS、Minitab、Mathematics、MATLAB、SPSS等在计算机上进行。 不同系统的函数模型的形式及复杂程度可能相差很大，线性模型是最简单也是较常用的一种，但在现实中往往有局限性，尤其是当输入参数取值范围较大的偏差时，正如几何中曲线在局部可用直线段近似表示，在较大范围内直线段表示就会有较大的偏差。当线性模型假设失效时，可以考虑多项式模型，还可以考虑非多项式模型。任何模型假设都必须通过试验进行检验和评价以确定取舍。利用建立的回归模型，可估计各因素的主效应和交互效应，还可以进行预测、预报等。 二、均匀试验设计的基本方法 均匀试验设计的基本步骤包括试验方案设计与试验结果分析两部分。 1、试验方案设计 1）明确试验目的，确定试验指标。如果试验要考察多个指标，还要将多个指标进行综合分析。 2）选因素。根据实际经验和专业知识，挑选出对试验指标影响较 大的因素。 3）确定因素的水平。结合试验条件和遗忘的试验经验，先确定那 个因素的取值范围，然后在这个范围内却适当的水平。由于Un技术表的最后一行，各个因素的最大水平数相遇，如果各个因素的水平序号与水平的实际数值的大小顺序的大小顺序一致，则会出现所有因素的高低水平相遇的情况，如果是化学反应，则会出现因反应太剧烈而无法控制的香型，或者反应太慢，得不到试验结果。为了避免这种情况的发生，可以随机的排列因素的水平序号，另外使用Un均匀表。 4）选择均匀设计表。选择均匀设计表是均匀设计很关键的一步， 应根据欲研究的因素数和试验次数来选择。均匀设计结果没有整齐可比性，实验结果不能用方差分析，须采用多元回归分析法， 找出描述多个因素（x1,x2，…，xm）与响应Y之间统计关系的回归方程。若各个因素与响应值Y之间的关系是线性大的，多元回归方程为 Y=β0+β1x1+β2x2+…+βmxm (7-7) 要求出这个m个回归系数就要m个方程，为了对求的的方程进行检验还要增加一次试验，共需m+1次试验，应该选择试验次数大于或者等于m+1的均匀设计表。当回归为非线性时，或者因素间存在交互作用时，可回归为多元高次方程。如因素与相应值为二次关系时，回归方程为 Y=β0+∑βixi+∑βTixixj+∑βixi ^2 (7-8)