响应面法 试验设计与优化方法

响应面法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．