试验设计与最优化.pptVIP

试验设计与最优化 什么是最优化？ 购物的最优化目标 科研的优化目标 生产的优化目标 价廉物美（最好的性价比）、时尚、实用 用最小的工作量和科研投入使科研目标最优 用最低的成本和最少的投资获得最大的生产收益 最优化就是研究如何以最小的代价取得最好的 效果。 登山路线示意图 做实验的学问－科学设计实验 一个例子： 老师要三个学生用火焰原子吸收光谱法测 定铜，寻求最佳的实验条件。 学生的做法： 每人分别固定一个乙炔流量，然后调节空 气流量。 实验结果： 学生A：乙炔流量1.0L/min，空气流量8L/min； 学生B：乙炔流量1.5 L/min，空气流量9L/min； 学生 C：乙炔流量2.0 L/min，空气流量9.5 L/min。 为什么三个人得到的最佳火焰条件不同？ 问题：如果燃气流量变大了，要使燃烧完全，空气流量是否应该相应变大些，以保持一个最佳的燃气和空气流量比？ 出现上述结果的原因 如果要考察的因素之间不存在相互影响，固定其他因素孤立地考察各因素的影响，所得出的结论是正确的； 如果要考察的因素之间存在相互影响，固定其他因素分别孤立考察各因素的影响，所得出的结论将会有问题。 三个学生没有考虑空气流量和乙炔流量间的相互影响，所以得出了不同的结果。 实验的科学设计是一个非常重要的环节，实验设计合理与否直接关系到能否获得所需要的数据资料及数据资料的质量。 不同学科有适合于各自学科的实验方法，而且也随所研究问题的性质不同而变化。但有一点是共同的：要科学合理地设计化学实验、选择最优的测量方法、最有效地获取所研究体系有用的特征数据，并通过解析这些数据，最大限度地从中提取有用的信息。 实验设计的目的 用尽可能少的实验次数获得足够多的信息； 研究各实验因素对目标的影响规律，寻找最佳实验条件，使实验目标值最优。 实验的次数随着因素和水平数的增多而增大； 实验次数越多，需要的工作量、人力、物力也越多； 对于一些昂贵、成本很高的科研实验，合理安排实验十分必要； 一般来说，实验次数越少，后续数据的处理与分析也越复杂。 统计、回归分析及最优化方法是根据实验数据寻找最佳条件的数学工具。 实验设计的方法 正交设计； 序贯设计 均匀设计 （最优化方法） ? 一次性布点 依次布点 常用术语 目标值 考核实验结果优劣的指标，如收率、纯度、分离度、成本等 实验因素（因子） 对实验结果影响较大的因素，如压力、原料配比、温度、催化剂量等 实验水平 各因素所取实验的值构成实验水平 相互（交互）作用 当因素A对目标值的影响与因素B所处的水平无 关时，则A, B两因素间无相互作用。否则，则称 A，B间有相互作用。 无交互作用的例子 有交互作用的例子 交互作用在数学上的表示 目标值Y的回归模型中含有AmBn项 （m，n大于等于1）时，该模型可反映因素A，B间的交互作用 极差RA 因子A不同水平下目标值的平均值之差称为因子A的极差。 全面实验 多次单因素（简单比较法）实验 每次只改变一个因素的水平，其它因素保持不变，观察其对目标的影响。缺点： 信息量少、实验次数较多；不能反映因素间的交互作用；如不重复实验，无法得出误差估计 正交实验设计 3因素3水平正交实验布点示意图 特点：均匀分散、整齐可比 正交表安排实验的优点 因素之间搭配均匀，任一因素各水平出现的次数相同；当考虑某一因素的影响时，其他各因素对试验指标的影响基本相同，最大限度地排除了其他因素的干扰，突出了被考察因素的主效应； 相对于全面试验而言，正交试验只是部分试验，但对其中任何两因素来说，它又是具有相同重复次数的全面试验，试验工作量减少了，但得到的试验结果仍能基本上反映全面情况。因此可以认为正交实验结果能基本体现因子间交互作用。 正交实验的数据处理 对获得的实验数据可以用计算机进行方差或极差分析，也可以用画图或直接求各因素不同水平的平均值等方法进行直观分析。 方差分析是根据方差的大小来判断因素效应的大小，因素水平变化产生的方差越大，表明因素对指标值的影响越大，是主要影响因素。如果因素变化产生的方差与实验误差没有显著的差异，说明该因素对指标值的影响可以不予考虑。 正交实验的数据处理 用正交表安排试验，再用回归分析法来处理正交试验的数据，兼容了正交试验设计与回归分析两者的优点，可以将试验指标与被考察的各因素之间的关系以回归方程更精确地表示出来，这的试验设计方法称之为回归的正交设计。 例1：某农药实验条件的优化 A(反应温度) A1(60℃)