基于机器学习的正交设计应用分析.pdfVIP

基于机器学习的正交设计应用分析.pdf

StatisticsandApplication统计学与应用,2025,14(6),239-252

PublishedOnlineJune2025inHans./journal/sa

/10.12677/sa.2025.146164

基于机器学习的正交设计应用分析

普文琪

广西师范大学数学与统计学院，广西桂林

收稿日期：2025年5月27日；录用日期：2025年6月20日；发布日期：2025年6月30日

摘要

本文探讨了化学实验数据在优化工艺条件方面的应用。首先对实验数据进行了预处理。随后，应用多种

机器学习算法进行建模，并对各模型的性能进行了比较。结果表明，随机森林模型有较高的准确性。同

时，本文还引入了正交试验设计方法。该方法通过优化实验组合减少试验次数，降低实验成本。在正交

设计的基础上，确定了最优的工艺条件：Co/SiO与HAP的装料比为200:200，乙醇浓度为0.3ml/min，

反应温度为400℃。此外，通过贡献率分析，研究发现温度(因子C)对C4烯烃收率的影响最大，其贡献率

高达76.41%。这一发现为进一步优化实验条件提供了重要参考。结合机器学习算法与正交试验设计，不

仅能够有效减少试验次数，还能显著降低实验成本，为工业化学实验的优化提供了一种科学高效的途径，

推动了机器学习算法在工业领域的应用，助力数字化转型。

关键词

试验设计，C4烯烃生产，机器学习，正交试验

ApplicationAnalysisofOrthogonalDesign

BasedonMachineLearning

WenqiPu

SchoolofMathematicsandStatistics,GuangxiNormalUniversity,GuilinGuangxi

Received:May27th,2025;accepted:Jun.20th,2025;published:Jun.30th,2025

Abstract

Thispaperexplorestheapplicationofchemicalexperimentaldatainoptimizingprocessconditions.

Theexperimentaldataisfirstpreprocessed.Subsequently,severalmachinelearningalgorithmsare

appliedtomodelthedata,andtheperformanceofeachmodeliscompared.Theresultsshowthat

therandomforestmodelhashighaccuracy.Additionally,thispaperintroducestheorthogonalex-

perimentaldesignmethod.Thismethodoptimizesexperimentalcombinations,reducingthenumber

文章引用:普文琪.基于机器学习的正交设计应用分析[J].统计学与应用,2025,14(6):239-252.

DOI:10.12677/sa.2025.146164

普文琪

oftrialsandloweringexperimentalcosts.Basedonorthogonaldesign,theoptimalprocesscondi-

tionsaredetermined:aCo/SiO2toHAPloadingratioof200:200,anethanolconcentrationof0.3