响应面试验设计与分析
统计分析响应面SPSS
13.2
3
1.25
12
3
1.3
12.8
4
1.2
12.4
4
1
9.8
4
1.15
11.6
4
1.1
10.6
4
1
9.2
4
1.45
13.9
4
1.35
12.8
4
1.15
9.3
4
1.1
9.6
4
1.2
12.4
4
1.05
11.2
4
1.1
11
主体间效应的检验 因变量:y
源
III 型平方和
df
均方
F
Sig.
校正模型 截距
SST SSt SSe SST SSt SSx SSe dft nk 1 dft k 1, dfe nk k 1
总平方和=处理间平方和+B组间平方和+误差平方和
(yij y)2 (yi y)2 (yij yi)2
1.55 13.4
1.4
11.2
1.5
11.6
1.6
12.6
1.7
12.5
配方1
初生重 50日
x
龄重y
1.35 10.2
1.2
9.4
1.45 12.2
1.2
10.3
1.4
11.3
1.3
11.4
1.15 12.8
1.3
10.9
1.35 11.6
1.15
8.5
1.35 12.2
1.2
9.3
配方2
初生重 50日
.735
.446
box-behnken响应面法
box-behnken响应面法Box-Behnken响应面法是一种常用的响应面优化方法，它结合了中心组合设计和响应面分析的优点，在实验设计和优化中得到广泛应用。
下面我们将详细介绍Box-Behnken响应面法的原理和应用。
一、Box-Behnken 设计Box-Behnken设计是一种响应面实验设计方法，旨在用最少的实验次数，通过响应面分析找到最佳条件。
Box-Behnken设计由Box和Behnken于1960年提出，应用于多元响应表面优化设计，适用于多变量的响应函数模型。
Box-Behnken设计的特点是方便实现，易解释，可用于中等规模的设计，同时可以用于探究两个或三个因素的交互作用。
Box-Behnken设计通常使用正交设计来确定试验方案，设计中每个因素设3个水平，试验用到15个试验点，这是因为在15个点的设计下，Box-Behnken设备所有的变量之间可以实现二次模型。
在试验设计中，每个自变量有三个不同的水平，而因变量的响应由二次表面模型产生。
Box-Behnken响应面分析的原理是通过关注响应Surface上的关键点来确定最佳的参数配置。
通过测量响应Surface上的点，可以建立一个数学模型，以便为最佳操作条件提供数学解决方案。
在实践中，Box-Behnken响应面法广泛应用于化学、物理、工程等多个领域，主要应用于新产品开发、新工艺、新技术等领域。
Box-Behnken响应面法适用于形貌、结构等复杂的响应表面，还能够优化复杂的响应变量。
在制药业中，可以利用Box-Behnken响应面法设计和优化新的药品的制造过程。
在化学领域，Box-Behnken响应面法可以用于设计新的实验和优化新化学过程。
在食品和冶金工业等其他领域也有广泛的应用。
在实际应用中，Box-Behnken响应面法可以用于多种实验设计，包括中心组合设计、正交方阵等。
响应面分析帮助标识最适合的实验因素和最佳条件的组合，以及如何调整这些因素，以实现最大化响应变量。
响应面试验设计与分析
响应面试验设计与分析响应面试验设计与分析是一种常用的实验设计方法，用于确定多个因素对其中一响应变量的影响程度和相互作用关系。
在工程、科学和医学等领域中，响应面试验设计与分析被广泛应用于优化工艺参数、确定最佳组合方案、优化配方等方面。
首先，确定试验因素和水平。
试验因素是指对响应变量有潜在影响的变量，水平是指试验因素的不同取值。
在确定试验因素和水平时，需要考虑相关信息，如前期试验结果、实际生产条件、实例经验等。
其次，确定试验设计。
常用的试验设计方法包括正交设计、Box-Behnken设计、中心组合设计等。
正交设计能够探索更多的因素和交互作用，但对样本量要求较高；Box-Behnken设计适用于三因素三水平的试验设计，样本量要求相对较低；中心组合设计是通过在试验设计中增加中心点来检查实验的误差，从而进行检验实验的可重复性和可靠性。
第三步是进行试验。
根据确定的试验设计方法，制定实际的试验方案，包括试验样本数量、试验条件、试验次数等。
对于每一组试验，记录相关数据。
第四步是分析数据及建立预测模型。
通过对试验数据的统计分析，建立影响因素与响应变量之间的关系模型。
常用的分析方法包括方差分析、回归分析等。
在建立预测模型时，可以使用多元多项式回归、径向基函数网络等方法。
最后一步是优化响应变量。
通过分析建立的预测模型，确定最优条件以达到最佳响应变量。
这可以通过对响应曲面图进行优化，找到使响应变量最大或最小的取值。
响应面试验设计与分析的优点是能够更全面地考虑多个因素对响应变量的影响，并建立预测模型进行优化。
但也存在一些限制，如样本量有限、模型的假设条件等。
因此，在进行响应面试验设计与分析时，需要仔细选择试验因素、合理确定试验设计，并对结果进行验证和优化。
DesignExpert响应面分析实验设计案例分析和CCD设计详细教程
一个完整的CCD器件由光敏单元、转移栅、移位寄存器及一些辅助输入、输出电路组成。CCD工作时，在设定的积分时间内由光敏单元对光信号进行取样，将光的强弱转换为各光敏单元的电荷多少。取样结束后各光敏元电荷由转移栅转移到移位寄存器的相应单元中。移位寄存器在驱动时钟的作用下，将信号电荷顺次转移到输出端。将输出信号接到示波器、图象显示器或其它信号存储、处理设备中，就可对信号再现或进行存储处理。由于CCD光敏元可做得很小（约10um），所以它的图象分辨率很高。
图12A及B对ACE抑制率影响的响应面
图13A与C对ACE抑制率影响的等高线
图14A及C对ACE抑制率影响的响应面
图15A与D对ACE抑制率影响的等高线
图16A及D对ACE抑制率影响的响应面
图17B与C对ACE抑制率影响的等高线
图18B及C对ACE抑制率影响的响应面
图19B与D对ACE抑制率影响的等高线
要了解CCD的原理，必须对半导体的基本知识有一些了解，可参见附录。
一．CCD的MOS结构及存贮电荷原理
CCD的基本单元是MOS电容器，这种电容器能存贮电荷，其结构如图1所示。以P型硅为例，在P型硅衬底上通过氧化在表面形成SiO2层，然后在SiO2 上淀积一层金属为栅极，P型硅里的多数载流子是带正电荷的空穴，少数载流子是带负电荷的电子，当金属电极上施加正电压时，其电场能够透过SiO2绝缘层对这些载流子进行排斥或吸引。于是带正电的空穴被排斥到远离电极处，剩下的带负电的少数载流子在紧靠SiO2层形成负电荷层（耗尽层），电子一旦进入由于电场作用就不能复出，故又称为电子势阱。
CCD的信号电荷读出方法有两种:输出二极管电流法和浮置栅MOS放大器电压法.
图5(a)是在线列阵未端衬底上扩散形成输出二极管,当二极管加反向偏置时,在PN结区产生耗尽层。当信号电荷通过输出栅OG转移到二极管耗尽区时,将作为二极管的少数载流子而形成反向电流输出。输出电流的大小与信息电荷大小成正比,并通过负载电阻RL变为信号电压U0输出.
响应面法实验
试验设计与优化方法，都未能给出直观的图形，因而也不能凭直觉观察其最优化点，虽然能找出最优值，但难以直观地判别优化区域．为此响应面分析法（也称响应曲面法）应运而生．响应面分析也是一种最优化方法，它是将体系的响应（如萃取化学中的萃取率）作为一个或多个因素（如萃取剂浓度、酸度等）的函数，运用图形技术将这种函数关系显示出来，以供我们凭借直觉的观察来选择试验设计中的最优化条件．显然，要构造这样的响应面并进行分析以确定最优条件或寻找最优区域，首先必须通过大量的量测试验数据建立一个合适的数学模型（建模），然后再用此数学模型作图．建模最常用和最有效的方法之一就是多元线性回归方法．对于非线性体系可作适当处理化为线性形式．设有m个因素影响指标取值，通过次量测试验，得到n组试验数据．假设指标与因素之间的关系可用线性模型表示，则有应用均匀设计一节中的方法将上式写成矩阵式或简记为式中表示第次试验中第个因素的水平值；为建立模型时待估计的第个参数；为第次试验的量测响应（指标）值；为第次量测时的误差．应用最小二乘法即可求出模型参数矩阵B如下将B阵代入原假设的回归方程，就可得到响应关于各因素水平的数学模型，进而可以图形方式绘出响应与因素的关系图．模型中如果只有一个因素（或自变量），响应（曲）面是二维空间中的一条曲线；当有二个因素时，响应面是三维空间中的曲面．下面简要讨论二因素响应面分析的大致过程．在化学量测实践中，一般不考虑三因素及三因素以上间的交互作用，有理由设二因素响应（曲）面的数学模型为二次多项式模型，可表示如下：通过n次量测试验（试验次数应大于参数个数，一般认为至少应是它的3倍），以最小二乘法估计模型各参数，从而建立模型；求出模型后，以两因素水平为X坐标和y坐标，以相应的由上式计算的响应为Z坐标作出三维空间的曲面（这就是2因素响应曲面）．应当指出，上述求出的模型只是最小二乘解，不一定与实际体系相符，也即，计算值与试验值之间的差异不一定符合要求．因此，求出系数的最小二乘估计后，应进行检验．一个简单实用的方法就是以响应的计算值与试验值之间的相关系数是否接近于1或观察其相关图是否所有的点都基本接近直线进行判别．如果以表示响应试验值，为计算值，则两者的相关系数R定义为其中对于二因素以上的试验，要在三维以上的抽象空间才能表示，一般先进行主成分分析进行降维后，再在三维或二维空间中加以描述．等等…………2注意事项对于构造高阶响应面，主要有以下两个问题：1，抽样数量将显著增加，此外，普通的实验设计也将更糟。
响应面试验设计
中心点的个数选择
满足旋转性的前提下，如果适当选择Nc，则 可以使整个试验区域内的预测值都有一致均匀精 度(uniform precision)。见下表：
• 但有时认为，这样做的试验次数多，代价太 大， Nc其实取2以上也可以；如果中心点的 选取主要是为了估计试验误差， Nc取4以上 也够了。
Journal of Food Science
影响因子
(2006年数据)
10.452
6.352 3.799 2.358 2.327 1.535 1.387 1.375 1.209 1.084 0.99
2000年来CNKI数据库中以“主题=响应面设计”检索的文章数 量
SDOL中2003以来以“ITLE-ABSTR-KEY(response surface method)” 检索得到的文献数量
但由于把区组也作为一个因素来安排， 增加了分析的复杂程度。
旋转性(rotatable)
旋转设计具有在设计中心等距点上预测方差 恒定的性质，这改善了预测精度。
α的选取
在α的选取上可以有多种出发点，旋转性是
个很有意义的考虑。在k个因素的情况下，应 取
α=2k/4
当k=2， α=1.414；当k=3，α =1.682；
• 总之，当时间和资源条件都允许时，应尽可 能按推荐的Nc个数去安排试验，设计结果和 推测出的最佳点都比较可信。实在需要减少 试验次数时，中心点至少也要2-5次。
2.Box-Behnken试验设计源自将各试验点取在立方体棱的中点上
三因子布点示意图
特点
CCD响应面实验案例分析
实验数据分析——方差分析
11
此模型中 因子的主 效应和交 互作用的 显著性 失拟不显著
实验数据分析
12
实验数据分析——响应面分析
13
（a）显示AB25染料浓度和盐度对 P. indicus shell生物质的染料去除 效率的同时影响。随着AB25染料浓度 从90增加到120mg/L，盐度从10增加 到30g/L，AB25染料去除效率增加， 然后保持大致恒定。
实验数据分析——响应面分析
15
AB25染料的去除效率随着虾壳生物量的增加而略有增加，染料去除 达到最佳吸附点后，染料吸附缓慢下降。
实验数据分析——响应面分析
16
显示接触时间对生物吸附剂在染料溶液中对AB25染料去除效率的影 响。随着反应时间的增加，去除效率降低。这些结果表明AB25染料的生 物吸附对时间是有依赖性的。经短时间反应后，大量染料被吸附到生物 质表面上，其中在实验的前25分钟内为吸附速率较快，此后，吸附速率 下降，吸附约在40分钟内达到平衡。
利用虾壳生物质优化酸性蓝25染料的
中心复合设计
Central composite design optimization of Acid Blue 25 dye biosorption using shrimp shell biomass
实验背景
5
除了水生环境中的其他有毒无 机物和有机溶解固体外，合成 染料被认为是最具危害性的水 污染物之一，含有合成染料分 子的废水很难处理。
当pH降低时，生物吸 附效率增加，并且在 pH=2时获得66.67％ 的最大染料去除效率。
中心复合试验
使用P.indicus shell生物量的实际值的中心复合基
响应面试验设计及design-expert实现
响应面试验设计与分析及Design-Expert软件实现
第一部分
响应面试验设计与分析
在响应分析中，观察值y可以表述为：
y f(x1，x2，，xl )
其中 f(x1，x2，，xl )是自变量x1，x2，，xl的函数，是误差项。
在响应面分析中，首先要得到回归方程，然后通过对自变 量 x1，x2，，xl 的合理取值，求得使 yˆ f(x1，x2，，xl )最优 的值，这就是响应面设计试验的目的。
响应面试验设计与分析
立方体
立方点，也称立方体点、角点，即2水平对 应的“-1”和“+1”点。各点坐标皆为+1或-1 。在k个因素的情况下，共有2k个立方点
响应面试验设计与分析及Design-Expert软件实现
第一部分
响应面试验设计与分析
轴向点(axial point)
轴向点，又称始点、星号点，分布在轴向
第一部分
响应面试验设计与分析
响应面方法分类方 法分类
➢中心复合试验设计
(Central Composite Design，CCD)；
➢Box-Behnken试验设计。
响应面试验设计与分析及Design-Expert软件实现
第一部分
响应面试验设计与分析
一般步骤
1. 确定因素及水平，注意水平数为2，因素数一般 不超过4个，因素均为计量值数据；
响应面试验设计与分析及Design-Expert软件实现
第一部分
响应面试验设计与分析
适用范围
➢确信或怀疑因素对指标存在非线性影响； ➢因素个数2-7个，一般不超过4个； ➢所有因素均为计量值数据； ➢试验区域已接近最优区域； ➢基于2水平的全因子正交试验。