DesignExpert响应面分析实验设计案例分析.docxVIP

DesignExpert响应面解析实验设计案例解析 DesignExpert响应面解析实验设计案例解析 DesignExpert响应面解析实验设计案例解析 学校 学 年 2021-2021 第 一 学期 课程名称 食品实验优化设计 专业年级 考试方式 案例解析论文 学生姓名 学 号 成 绩 食品科学研究中实验设计的案例解析 —响应面法优化超声波辅助酶法制备燕麦 ACE控制肽的工艺研究 大纲：选择对 ACE 控制率有明显影响的四个因素：超声波办理时间 (X1)、超声波功率(X2)、超声波水浴温度 (X3)和酶解时间 (X4)，进行四因素三水平的响应面解析试验，经 过Design-Expert优化获取最优条件为超声波办理时间、超声波功率、 超声波水浴温度℃、酶解时间，在此条件下燕麦 ACE 控制肽的控制率 87.36%。 与参照文件 SAS软件办理的结果中比较差异很小。 要点字： Design-Expert 响应面解析 比较解析 表一 响应面试验设计 水平 因素 超声波办理时间 X1(min) 超声波功率 X2(W) 超声波水浴温度 X3( ℃ ) 酶解时间 X4(h)  -1 0 1 20 30 40 132 176 220 50 55 60 1 2 3 2. Design-Expert 响应面解析 解析试验设计包括：方差解析、拟合二次回归方程、残差图等数据点分布图、二次 项的等高线和响应面图。优化四个因素〔超声波办理时间、超声波功率、超声波水浴温度、酶解时间〕使响应值最大，最后获取最大响应值和相应四个因素的值。 利用 Design-Expert 软件可以与文件 SAS软件比较，结果可以获取最优，经过上述步骤解析可以判断解析结果的可靠性。 1 2.1 数据的输入 图 1 2.2 Box-Behnken 响应面试验设计与结果 图 2 2.3 选择模型 2 图 3 2.4 方差解析 图 4 在本例中， 模型明显性检验，说明该模型拥有统计学意义。 由图 4 知其自变量一次项 A ， 3 B ，D ，二次项 2 2 2 2 明显 (p0.05) 。失拟项用来表示所用模型与实验拟合的程度，即二者 AC,A ,B ,C ,D 差其他程度。本例 P 值为 0.08610.05 ，对模型是有利的，无失拟因素存在，因此可用该回归方程代替试验真实点对实验结果进行解析。 图 5 由图 5可知：校正决定系数 R2(adj)(0.97880.80) 和变异系数〔 CV 〕为 0.51%，说明该模型只有 2.12% 的变异，能由该模型讲解。进一步说明模型拟合优度较好 ,可用来对超声波辅助酶法制备燕麦 ACE 抑 制肽的工艺研究进行初步解析和展望。 4 2.5 多元二次响应面回归解析 图 6 经过 Design-Expert 软件进行二次响应面回归解析，获取以下多元二次响应面回归模型： Y(%) ＝ － ＋ 1 ＋ 2 ＋ 3 ＋ 4 － 12 + -6 X1X2－ 1X 3 ＋ 1X4 －-4 X22 － -7 X2X3 － 2X 4 －0.052150X 32 －0.0005X 3X 4 －42 5 2.6 数据点的分布图 图 7 图 8 6 图 9 从图 7-9 可知道，数据的分布的线性明显，没有出现异常的数据点。 实验实质值 方程展望值 图 10 实验实质值与方程展望值 7 2.7 等高线和三维响应曲面图解析 做出响应曲面，解析超声波办理时间 (A)、超声波功率 (B)、超声波水浴温度 (C)和酶解时间 (D)对ACE 控制 率的影响情况，结果见图 11～22。 图 11 A 与 B 对 ACE 控制率影响的等高线 图 12 A 及 B 对 ACE 控制率影响的响应面 8 图 13 A 与 C 对 ACE 控制率影响的等高线 图 14 A 及 C 对 ACE 控制率影响的响应面 9 图 15 A 与 D 对 ACE 控制率影响的等高线 图 16 A 及 D 对 ACE 控制率影响的响应面 10 图 17 B 与 C 对 ACE 控制率影响的等高线 图 18 B 及 C 对 ACE 控制率影响的响应面 11 图 19 B 与 D 对 ACE 控制率影响的等高线 图 20 B 及 D 对 ACE 控制率影响的响应面 12 图 21 C 与 D 对 ACE 控制率影响的等高线 图 22 C 及 D 对 ACE 控制率影响的响应面 13 2.8 优化最正确因素 图 23 图 24 14 图 25 图 26 15 图 27 2.9 最正确因数和最大响应面值 最正确工艺 图 28 利用响应面设计实验，运用依照 Box-Benhnken 的中心组合试验设计原理，选择对 ACE 控制率有 明显影响的四个因