- •Математические методы планирования экспериментов в биотехнологии Федеральное агентство по образованию
- •Математические методы планирования экспериментов в биотехнологии
- •Введение
- •1. Накопление и обработка научно-технической информации
- •1.1. Научные произведения и их особенности
- •1.2. Государственная система научно-технической информации
- •1.3. Работа с литературой
- •1.4. Патентная информация и ее особенности
- •1.5. Рекомендации по оформлению библиографического описания
- •1.6. Рекомендуемые научно-технические издания
- •1.6.1. Издания для технологов пищевых производств
- •1.6.2. Издания для работников хлебопекарного производства
- •1.7. Система технологической документации в пищевой промышленности
- •1.8. Виды технологических документов
- •2. Организация самостоятельной и научно-исследовательской работы студентов
- •2.1. Основы организации самостоятельной работы
- •2.1.1. Уровни самостоятельной работы
- •2.1.2. Виды самостоятельной работы
- •2.1.3. Элементы и виды деятельности при самостоятельной работе
- •2.2. Классификация и организация научно-исследовательской работы
- •2.2.1. Проблема, научное направление и тема нир
- •2.2.2. Классификация и основные стадии нир
- •2.2.3. Основные этапы выполнения нир
- •2.2.4. Уровни внедрения результатов нир
- •2.2.5. Общие требования к отчету по нир
- •2.2.6. Основные стадии нир
- •2.2.7. Организация экспериментального исследования
- •2.2.8. Выбор темы исследования
- •2.2.9. Выбор и описание методики эксперимента
- •2.2.10. Составление рабочего плана исследования и подготовка материальной базы для его проведения
- •2.2.11. Проведение исследования
- •2.2.12. Обработка результатов исследования
- •Изменение химического состава масла в зависимости от времени года
- •3. Cтатистическая обработка результатов научно-исследовательской работы
- •3.1. Ошибки эксперимента
- •3.2. Предварительная обработка результатов эксперимента
- •3.3. Среднеарифметическая величина Среднеквадратичное отклонение
- •3.4. Оценка достоверности разницы между средними арифметическими величинами двух выборочных совокупностей
- •3.5. Определение количества опытов, необходимых для получения результатов с заданной степенью точности
- •3.6. Расчет относительной погрешности любого метода при количественном определении вещества
- •4. Методы математического планирования эксперимента
- •4.1. Анализ результатов экспериментов
- •4.2. Постановка задачи оптимизации
- •4.3. Общие приемы поиска оптимального значения критерия оптимизации
- •4.4. Способы решения задачи оптимизации
- •4.5. Метод Бокса
- •4.5.1. Схема планирования эксперимента
- •Матрица планирования для двух факторов на двух уровнях
- •Матрица планирования для трех факторов на двух уровнях
- •Матрица планирования для четырех факторов на двух уровнях
- •Расширенная таблица для пяти факторов на двух уровнях
- •4.5.2. Метод крутого восхождения
- •4.5.3. Полный факторный эксперимент
- •Матрица планирования эксперимента для описания двухфакторного процесса с учетом межфакторных взаимодействий
- •Матрица планирования эксперимента для описания трехфакторного процесса с учетом всех межфакторных взаимодействий
- •Матрица планирования эксперимента для описания четырехфакторного процесса неполным квадратным уравнением
- •5. Применение математических методов планирования экспериментов при решении задач оптимизации процессов получения пива и выращивания хлебопекарных дрожжей
- •5.1. Оптимизация процесса приготовления пивного сусла
- •План опыта в натуральных и кодированных единицах значений факторов
- •Определение построчных дисперсий
- •Определение квадрата отклонений средних значений, полученных в опыте и определенных по уравнению линейного приближения
- •5.2. Оптимизация питательной среды культивирования пекарских дрожжей
- •План опыта и результаты, полученные при его реализации
- •Определение построчных дисперсий
- •Определение квадрата отклонений средних значений, полученных в опыте и рассчитанных по уравнению (5.4)
- •6. Применение метода крутого восхождения
- •План опыта для четырех факторов на двух уровнях
- •Исходные данные для составления программы крутого восхождения
- •Программа крутого восхождения
- •7. Нахождение оптимальных параметров с помощью эвм
- •7.1. Пример оптимизации процесса приготовления пивного сусла
- •Матрица экспериментальных данных
- •7.2. Пример оптимизации использования питательной среды при культивировании пекарских дрожжей
- •Матрица экспериментальных данных
- •8. Аппроксимация экспериментальных данных
- •Результаты измерений
- •Список литературы
- •Приложения
- •Критерии для исключения выскакивающих значений
- •Критерий Стьюдента для оценки значимости коэффициентов регрессии
- •Значения критерия Фишера для 5 %-го уровня значимости
- •Содержание
- •Математические методы планирования экспериментов в биотехнологии
4.5.1. Схема планирования эксперимента
Планированию эксперимента предшествует анализ результатов предыдущих исследований (как собственных, так и описанных в литературных источниках). На основании этого анализа выбирается нулевой (основной) уровень, или исходный уровень «фона», т. е. такие значения факторов, в области которых значения параметра оптимизации наилучшие. Например, это может быть ранее известный состав среды или состав, предположительно благоприятный для развития данного микроорганизма.
Значение фактора на нулевом уровне (уровне «фона») обозначается Xi 0, т. е. X10, X2 0, …, Xi0.
Далее, как указывалось ранее, первоначально ставится серия опытов на двух уровнях – верхнем и нижнем. Для каждого фактора эти уровни отличаются от основного уровня (исходного уровня «фона») на одну и ту же величину, обозначаемую как интервал варьирования . Интервалы варьирования для каждого фактора, как правило, различны, они выбираются произвольно на основании предварительных данных о процессе.
Верхний X и нижний X уровни изучаемых факторов образуются в результате прибавления (вычитания) к основному (нулевому) уровню выбранного интервала варьирования:
X = Xi0 + i; (4.5)
X = Xi0 – i. (4.6)
Таким образом, Xi0 представляет собой среднее арифметическое между выбранными уровнями факторов:
Xi 0 = . (4.7)
Для облегчения последующих расчетов коэффициентов регрессии производят преобразование (кодирование) переменных факторов по формуле
= . (4.8)
Величина Х – значение фактора на верхнем или нижнем уровне в натуральных единицах; x – значение фактора в кодированных единицах.
В соответствии с уравнением (4.8) изучаемые факторы в кодированных единицах будут равны:
= +1; = –1.
Количество вариантов опытов, которые нужно поставить в исходной серии, зависит от количества исходных факторов. Всего на двух уровнях для n факторов количество вариантов опытов составит 2n, т. е. для n = 4 факторов 24 = 16, для n = 8 факторов 28 = 256.
Чтобы приблизительно описать процесс линейным уравнением, необходимым для расчета крутого восхождения и для возможности статистической оценки адекватности этого уравнения, достаточно поставить от (n + 2) до (n + 6) вариантов опытов. При этом важно, чтобы все варианты были разными и чтобы в них одинаковое число раз встречались верхние и нижние уровни каждого фактора.
Для упрощения расчетов и более точного определения направления движения к оптимуму, согласно методу Бокса, опыты ставятся по ортогональным матрицам.
Планы ортогональных матриц разработаны для разного числа факторов n и могут включать разное число вариантов u планирования. Целесообразно для опытов выбирать матрицы с количеством вариантов больше чем (n + 2). В табл. 4.1–4.4 приведены наиболее часто встречающиеся на практике ортогональные матрицы. В этих матрицах факторы обозначены буквой x с соответствующим индексом, верхний уровень (+1) – со знаком плюс, нижний уровень (–1) – со знаком минус.
Таблица 4.1