高老师讲座实验设计与优化-响应面分析.课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《高老师讲座实验设计与优化-响应面分析.课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 老师 讲座 实验设计 优化 响应 分析 课件
- 资源描述:
-
1、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
2、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l Plackett-Burman designs是1946年Robin L. Plackett和J. P. Burman在英国“供应部”工作期间提出的。l他们当时的目的是针对因子数较多时,找到从中筛选出少数重要变量的试验设计方法。l通过考察目标响应与独立变量间的关系,对响应与变量显著性的分析,筛选出少数(重要)变量进行实验,从而达到在减少实验次数的同时保证优化质量的目的。“The Design of Optimum Multifactorial Experim
3、ents”, Biometrika 33 (4), pp. 305-25, June 1946 。高云涛制作Plackett-Burman设计是二水平的部分试验设计,通过对每个因子取两水平来进行分析(析因分析),通过比较各个因子两水平之间的差异来确定因子的显著性(显著性分析)。Plackett-Burman设计不是优化方法,且不能区分主效应与交互效应,但对有显著效应的因子可以确定出来,从而达到筛选的目的。 第一部分 影响因素的筛选高云涛制作程序: 将实验中可能的所有影响因素都列出;每因素取两个水平,-1,+1,低水平与高水平;确定响应值; 进行实验设计:用Design-Expert软件辅助完成
4、;回归模型方差分析:显著性与相关性检验关键影响因子的确定:显著性检验。第一部分 影响因素的筛选高云涛制作案例:Plackett-burman设计法筛选超声波提取苹果多酚工艺的主要影响因子 l可能影响因素:超声波功率、处理时间、提取温度、溶剂浓度、料液比。l每因素取:-1,+1,低水平与高水平;l响应值:多酚提取量(mg/100g)。第一部分 影响因素的筛选由由Design-Expert软件自动生成高云涛制作l进行实验设计:用Design-Expert软件辅助完成。l测定响应值。第一部分 影响因素的筛选高云涛制作析因分析:运行Design-Expert,建立多元回归方程(模型)。两个重要参数:回
5、归方程达到显著(p=0.04300.05,方差分析),决定系数R=0.9995,这表明99.95%的试验数据的变异性可用此回归模型来解释。第一部分 影响因素的筛选高云涛制作显著性分析(t检验)表4表明:对超声波提取苹果多酚影响显著的因子有温度(p=0.0334、乙醇体积分数(p=0.0241)和提取次数(p=0.0237)。显著性:显著性: t检验检验,计 算 出计 算 出 p 值 ,值 ,p0.05具有显著性,具有显著性,p值越小,显著性值越小,显著性越高越高第一部分 影响因素的筛选高云涛制作 检验方法:如果A和B差异源于小概率事件(随机误差),则不发生,概率(p)即为显著水平,通常 (p)
6、取0.05。p5时,推荐一般不再采用BBD设计。第二部分第二部分 响应面分析响应面分析高云涛制作Box-BehnkenBox-Behnken设计设计(BBD)(BBD)和均匀外壳设计,和均匀外壳设计,Box和Behnken设计(1960)将一水平因析设计与平衡的和不平衡的不完全区组设计结合在一起发展了一类二水平的_阶设计。 BBD设计的优点是每个因素只有三水平,所以因素少。k=3的BBD设计是十分经济的,因此当k5时,推荐一般不再采用BBD设计。均匀外壳设计?第二部分第二部分 响应面分析响应面分析高云涛制作第二部分第二部分 响应面分析响应面分析星点设计:因素水平表星点设计实验回归与方差分析优化
7、星点星点设计设计优化优化建模:因素建模:因素与响应值多与响应值多元回归分析元回归分析模型统方模型统方差分析可差分析可视化视化高云涛制作实验设计实验设计-星点设计星点设计因素水平表 通常实验表是以代码的形式编排的,实验时再转化为实际操作值,一取值为 0,l,。0:零水平(中央点) ;上下水平:l;上下星号臂。=1.414,或1.732,2.00案例案例 星点设计星点设计- -效应面法优选灯盏花乙素超声提取效应面法优选灯盏花乙素超声提取第二部分第二部分 响应面分析响应面分析高云涛制作根据因素水平表1,软件自动生成星点设计表2.从表2可以看出,试验设计由6点轴点,8个析因点,6个中央点组成方程的总模
8、型 第二部分第二部分 响应面分析响应面分析高云涛制作软件对表2中的实验数据进行多元线性回归和二项式拟合,获得灯盏花乙素提取的数学模型如下:-5-4-6-42-42-42 =-0.85615+0.029944 +0.018569 +0.026062+8.83333 10+1.42500 10+3.33333 10-7.59177 10-1.23708 10-5.84168 10EABCABACBCABC第二部分第二部分 响应面分析响应面分析高云涛制作第二部分第二部分 响应面分析响应面分析模型模型显著显著因素因素显著显著性性交互交互顶显顶显著性著性高云涛制作内部的误差估计量:内部的误差估计量:模型
展开阅读全文