高老师讲座实验设计与优化响应面分析.ppt

高云涛制作 内部的误差估计量： ? 模型的 Ff 0.01 （ 9 ， 5 ）， 说明回归方程在 0.01 的水 平显著，表明试验设计可靠 . ? 模型相关系数 r =0.9549 ，进一步说明模型具有 较好的可信度。 ? 失拟度 ：不显著，说明实验点均能用模型描述。 第二部分 响应面分析 高云涛制作 各因素影响显著性比较： ? 根据方差分析（离散分析，表 3 ）， p 值代表了因 素的显著性水平，比较 p 值，影响的显著性排序， 提取时间（ A ， p 0.01 ） 料液比 （ B ， p 0.01 ） 乙醇浓度 （ C ， p 0.01 ） 。 ? 方程的交互项的 AB 、 AC 和 BC 均 p 0.05 表明，交 互顶对灯盏花乙素得率的影响不显著，表明三个 因素无交互作用。 第二部分 响应面分析 高云涛制作 响应面可视化分析 方法（ RSM ）的图形是特定的响应值 Y 对应的因素 A ， B ， C 构成的一个三维空间图及在二维平面上 的等高图，可以直观地反映各因素对响应值的影 响。 第二部分 响应面分析 高云涛制作 与 B 方 向 比 较 ， A 效 应 面 曲 线 较 陡 ， A 等 高 线密度明显高 于 沿 B 移 动 的 密度，说明此 时 A 对提取率 E 的 影 响 较 B 为 显著 第二部分 响应面分析 高云涛制作 第二部分 响应面分析 高云涛制作 第二部分 响应面分析 高云涛制作 绪论： ? 图 1a-3a 可看出，当 A 、 B 、 C 取值较小时，效应面曲线较 陡，说明此时 A 、 B 、 C 对灯盏花乙素提取率 E 的影响较为明 显，但 A 、 B 、 C 取值较大时，效应面曲线较平缓，此时 A 、 B 、 C 对 E 影响较小。 ? 从图 1b 可看出，沿 A 因素（超声时间）向峰值移动，等高 线密度明显高于沿移动的密度，这表明超声时间对效应值 的贡献更大，这与方差分析的结果一致。 ? 影响显著区域 ：当超声时间低于 20.0 min 时，等高线密 度大于 20.0 min 以上的密度，表明超声时间低于 20.0 min 时，对响应值的影响更大，且乙醇浓度较高时超声时间对 响应值的影响更显著。 第二部分 响应面分析 高云涛制作 ? 比较图 1a-3a 和图 1b-3b ，可知三个因素对灯盏花乙素提 取率 E 的影响顺序是：超声时间 A ＞ 液料比 B ＞ 乙醇浓度 C ， 这与这和方差分析结果相符合。 ? 各因素的交互作用 ，等高线的形状可直观地看出交互效 应的大小，椭圆形反映了两因素的交互作用较强，呈圆形 则相反，而响应曲线曲线较陡也说明交互作用较强。从图 1 b-3b 可看出，各因素的相互作用的等高线并没有呈现明 显的椭圆形，响应曲线相对较平缓，说明各因素之间交互 作用并不显著。 第二部分 响应面分析 高云涛制作 第二部分 响应面分析 最后一个环节：优化 ? Design-Expert Software 软件提供了几种优化模块： Numerical 、 Point Prediction Graphical 和 Confirmation Report 实验 设计 优化 建模：因素 与响应值多 元回归分析 模 型 统 方 差 分 析 可 视化 高云涛制作 利用 Point Prediction 可以获得一组优化条件， 并得到预测值 进行预测分析结果，获得一组得响应值最大的优化 条件：超声提取时间 A 为 24.5 min ，乙醇浓度 B 为 74.7 % ，液料比 C 为 19.8 mL/g ，在此优化条件 下，灯盏花乙素预测提取率 E 为 0.641 % 。 第二部分 响应面分析 高云涛制作 专题讲座 实验设计与优化 -- 响应面分析 高云涛制作 第一部分 影响因素的筛选 第二部分 响应面优化 实验设计与优化 -- 响应面分析 高云涛制作 问题的提出 第一部分 影响因素的筛选 考 察 因 子确定 因 素 水 平试验 最 佳 条 件 ? 面 对 未 知 体 系 ， 如 何 确 定 需 要 考 察 的 因 子 ？ 如何从众多考察因素中快速有效地筛选出最重要的 因素，即显著效应的因子？以备进行更系统的试验 如何确定需 考查的因子 如何筛选显 著效应因子 高云涛制作 问题的提出 第一部分 影响因素的筛选 ? 考察因子确定：文献调研、已有知识和经验， 甚至创新思维上，可提出十多个潜在的因子 ? 关键： 显著效应因子筛选 ，能否通过显著效应 的定量比较，留下正显著性因素？剔除负因子和 不显著因子？ ? Plackett-Burman designs （ PB 设计） 为我们提供 了解决该问题的科学方法 高云涛制作 第一部分 影响因素的筛选 ? Plackett-Burman designs 是