化学反应中如何设计正交实验

㈠ 两个因素两水平两个因素三水平正交试验，如何设计、、

若从27次试验中选取一部分试验，常将A和B分别固定在A1和B1水平上，与C的三个水平进行搭配，A1B1C1,A1B1C2,A1B1C3。作完这3次试验后，若A1B1C3最优，则取定C3这个水平，让A1和C3固定，再分别与B因素的三个水平搭配，A1B2C3，A1B3C3。

这2次试验作完以后，若A1B2C3最优，取定B2,C3这两个水平，再作两次试验A2B2C3,A3B2C3,然后与一起比较，若A3B2C3最优，则可断言A3B2C3是欲选取的最佳水平组合。这样仅作了7次试验就选出了最佳水平组合。

(1)化学反应中如何设计正交实验扩展阅读

如果进行正交试验设计，则使用正交表安排试验。三因素三水平实验需要做9个实验。实验用“X”表示，并在图中标出。如果每个平面代表一个平面，有九个平面，可以看到每个平面上有三个“点”和立方体的每一条直线上有一个“X”点，这些“X”点是均匀分布的。

因此，这九个实验具有代表性，能够更全面地反映综合实验的结果。因此，这就是正交实验设计的平衡色散特性。利用这一特点，合理地设计和安排实验，通过尽可能少的次数找出最佳水平组合。

㈡ 求助！两因素，一个三水平，一个四水平,如何设计正交实验

选用L9(3^4)表，两个因素都先选用三个水平，试验完成后再追加一个水平。给三水平的因素拟一个水平，这样就可以用标准
正交表
了。
其中下标9代表的9个分组，也就是9个试验号，A、B、C、D分别代表各个水平下的4个因素，1、2、3则代表3个水平，然后将其
排列组合
，基本上是每个因素的每个水平与另一因素的各个水平各碰到一次也仅碰到一次，表明任何因素的搭配都是均衡的。
(2)化学反应中如何设计正交实验扩展阅读：
试验目的是搞清楚因子A、B、C对转化率有什么影响，哪些是主要的，哪些是次要的，从而确定最适生产条件，即温度、时间及用碱量各为多少才能使转化率高。试制定
试验方案
。
这里，对因子A，在试验范围
内选
了三个水平；因子B和C也都取三个水平：
A：A1=80℃，A2=85℃，A3=90℃。
B：B1=90分，B2=120分，B3=150分。
C：C1=5%，C2=6%，C3=7%。
当然，在
正交试验
设计中，因子可以是定量的，也可以是定性的。而定量因子各水平间的距离可以相等，也可以不相等。
参考资料来源：
网络
-正交表
参考资料来源：网络-正交试验

㈢ 有谁知道正交试验的搭配到底是怎么回事.简单易懂最好啊!

正交试验设计是获得最佳搭配的方法之一.它是通过三个步骤完成的:1,利用正交表来安排试验；2,对试验的结果进行综合比较；3,获得最佳搭配方案.4,分析影响结果的因素的主次。

正交试验设计表的设计原则是均衡分散搭配,分析试验结果,其原则为综合比较,即在同因素中将相同水平的结果相加,找出每个因素中的最好水平,得到最佳搭配。

分析影响结果的因素的主次.将同因素中的两个水平的结果做差,一般来说差的大小是不同的,差的大小实际上反应了该因素的变化对产量的影响的大小.差大说明该因素水平的变化对试验的结果影响大,差小说明该因素的变化对试验结果没太多影响.因此,可以通过差的大小来确定因素对试验结果影响的主次,找出影响试验的主要因素.

在对一个因子试验所建立的线性模型中,独立参数(总均值,主效应,交互效应等)的个数k与试验次数n之间有下面的关系:当n>k时,有足够的自由度k来估计参数,同时还有剩余自由度来估计误差的方差(n-k>0);当n=k时,有足够的自由度来估计参数,但是没有剩余自由度来估计误差的方差n-k=0;当nk).在双因子有重复试验中,试验次数大于交互效应模型中独立参数的总数,因此有剩余的自由度来估计误差方差;而在双因子无重复试验中,试验次数等于交互效应模型中独立参数的总数,因此没有剩余自由度来估计误差方差.此时,要估计误差就只能用可加效应模型.

根据上述的思路,只要试验总次数$N$大于独立参数的个数$M$就可以有足够的自由度来估计参数,同时还有剩余的自由度来估计误差方差,进而作假设检验.这是因子试验设计中要考虑的第一件事.第二件事是要使参数估计和检验统计量有好的性质和形式,关键是要使各组效应的参数估计之间相互独立,同时使相应的平方和之间相互独立.但是,在一个线性模型中,参数(主效应及各种交互效应)的数目是由实际问题本身决定的,而不是由人主观决定的.在大量的因子试验的实践中,人们发现:在很多情况下,因子之间只有主效应,至多存在某些一阶交互效应(即两因子的交互效应).高阶交互效应在很多情况下是不存在的.在这种情况下,多因子试验的模型中包含的参数实际上并不多,可能远远少于全模型的参数.比如有6个二水平因子,如果考虑所有可能的交互作用就有26=64个独立参数(包括总均值),但是如果只考虑主效应则只有6+1=7个独立参数.因此对6个二水平因子的可加效应模型,理论上只需作8次试验就可以有多余的自由度来估计误差方差.

如何使得上述的两个想法很好地实现 从双因子无重复试验的可加模型的分析中可以得到如何安排试验的启示.在这个模型中,由于两个因子的所有水平组合都作了相同次试验(一次),因此两组因子主效应的参数估计不仅有简单的形式,而且还是相互独立的,因而平方和之间也是相互独立的.因此,对于多因子试验的无交互效应模型(只考虑主效应),如果我们能如此安排试验,使得对任何一对因子,它们的所有水平组合都作了相同次试验,则对任何一对因子,两组因子主效应的参数估计和平方和也应具有上述性质.进而,如果试验的总次数n超过参数的总个数k,则还有多余的自由度来估计误差,进行方差分析.实际上,这就是"正交因子设计"原理的基本思路.

假定因子对响应变量的影响无交互效应(许多实际情况正是这样),正交试验的优点是在很少的试验次数(与全面试验相比)中,所得数据可以简便而有效地对因子效应进行参数估计和方差分析.其方法可一般地归纳如下:
1) 总均值的估计=试验数据的总平均值,
2) 某因子的某个主效应的估计=该因子的该主效应所出现的试验数据的平均值-总平均值,
3) 总平方和=(试验数据-总平均值)的平方和, 自由度=n-1,
4) 某因子的主效应平方和=重复数×参数估计的平方和, 自由度=水平数-1,
5) 残差平方和=总平方和-(因子效应平方和的和), 自由度=总平方和-(因子效应自由度的和).

另外，你可以用“正交试验 搭配方案”做关键词搜一下，有一些PPT实例可以参照看一看

㈣ 试验设计5个因素，每个因素2个变量，正交试验如何设计

5个因子2水准的试验，利用Minitab
软件，可以先进行1/2部分因子试验，16组试验，分辨度达到5级，外加3-5组中心点，19-21组试验即可。然后筛选到3因子或更少的话，可以经行全因子试验，有曲率的话，就进行全面响应设计。

㈤ 正交试验设计的基本特点

先了解几个术语:
因素,作为试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因;
水准,试验中因素所处的具体状态或情况，又称为等级 ;
[例1]为提高某打印机的打印速率，选择了三个有关因素进行条件 试验，温度(X)，反应时间(Y)，耗墨量(Z)，并确定了它们的试验范围：
X：10-20℃
Y：5-10秒钟
Z：5-7％
试验目的是搞清楚因素X、Y、Z对打印速率有什么影响，哪些因素是主要的，哪些是次要的，从而确定最适合的生产条件，即温度、时间及用耗墨量各为多少才能使打印速率高。
如何安排试验？
1,全组合方法
取三个因素所有水准之间的组合，即x0y0z0，x0y0z1，x0y1z0， ……，x1y1z1，共有23 =8次试验 用图表示就是图1 立方体的8个节点。这种试验法称做全面试验法。
优缺点：
考虑了所有可能的因素。当因素的数目比较多，每个因素的水准数目也多时。试验量会大得惊人。如选六个因素，每个因素取五个水准时，如果要做全面试验，则需56 ＝15625次试验，这规模就相当大，造成严重的资源浪费。
先了解几个术语:
因素,作为试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因;
水准,试验中因素所处的具体状态或情况，又称为等级 ;
[例1]为提高某打印机的打印速率，选择了三个有关因素进行条件 试验，温度(X)，反应时间(Y)，耗墨量(Z)，并确定了它们的试验范围：
X：10-20℃
Y：5-10秒钟
Z：5-7％
试验目的是搞清楚因素X、Y、Z对打印速率有什么影响，哪些因素是主要的，哪些是次要的，从而确定最适合的生产条件，即温度、时间及用耗墨量各为多少才能使打印速率高。
如何安排试验？
1,全组合方法
取三个因素所有水准之间的组合，即x0y0z0，x0y0z1，x0y1z0， ……，x1y1z1，共有23 =8次试验 用图表示就是图1 立方体的8个节点。这种试验法称做全面试验法。
优缺点：
考虑了所有可能的因素。当因素的数目比较多，每个因素的水准数目也多时。试验量会大得惊人。如选六个因素，每个因素取五个水准时，如果要做全面试验，则需56 ＝15625次试验，这规模就相当大，造成严重的资源浪费。

2,简单对比法
简单对比法，即变化一个因素而固定其他因素，如首先固定Y、Z于y0、z0，使X变化之：
↗x0
y0z0 →x1(好结果）
如得出结果x1最好，则固定X于x1，Z还是z0，使Y变化之：
↗y0
x1z0 →y1 (好结果)
得出结果以y1为最好，则固定Y于y1，X于x1，使Z变化之：
↗z0
x1y1→z1 (好结果)
试验结果以z1最好。于是就认为最好的组合是x1y1z1。
优缺点：
简单对比法的最大优点就是试验次数少，例如六因素五水准试验，在不重复时，只用5+(6-1)×(5-1)＝5+5×4＝25次试验就可以了。 但缺点很多。首先这种方法的选点代表性很差，如按上述方法进行试验，试验点完全分布在一个角上，而在其他一个很大的范围内没有选点。因此这种试验方法不全面，所选的组合x2y2z2不一定是8个组合中最好的。其次，用这种方法比较条件好坏时，只是把单个的试验数据拿来，进行数值上的简单比较，而试验数据中必然要包含着误差成分，所以单个数据的简单比较不能剔除误差的干扰，必然造成结论的不准确。

3,正交实验法
正交表是运用组合数学理论构造的一种规格化的表格,特点如下:
【整齐可比性】：每一列中所有数字出现的次数是相等的
【均衡分散性】：任意两列间横向组合的数字对搭配次数也是相等的
特征：参考【例1】【图1】，与因素X (包含水准x0、x1)对应的有(x0yz)和(x1yz)二个平面，同样对于Y、Z也各有二个平面，共6个平面。则在选择试验点时，这6个平面上的试验点都应当一样多，即对每个因素的每个水准我们都要同等看待。（讨论）
结论：在6个平面中每个平面上都恰好有2个点而每个平面的每条直线都有一个点，而且只有一个点，总共4个点。这样的试验方案，试验点的分布很均匀，试验次数也不多。

㈥ 正交实验如何设计

正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本着名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。例如作一个三因素三水平的实验，按全面实验要求，须进行3的3次方=27 种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3 正交表按排实验，只需作9 次，按L18(3)7 正交表进行18 次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。（汗，这里不能打出来正确的表达，反正学这个的都知道具体的写法）
正交表是一整套规则的设计表格，L 为正交表的代号，n 为试验的次数，t为水平数，c 为列数，也就是可能安排最多的因素个数。例如L9(34)，它表示需作9次实验，最多可观察4 个因素，每个因素均为3 水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24) ，此表的5 列中有1 列为4 水平，4 列为2水平。根据正交表的数据结构看出，正交表是一个n 行c 列的表，其中第j 列由数码1，2，… Sj 组成，这些数码均各出现N/S 次，例如表11 中，第二列的数码个数为3，S=3 ，即由1、2、3 组成，各数码均出现N/3=9/3=3次。

㈦ 正交实验的原理是什么

实验原理

酶的催化作用是在一定条件下进行的，它受多种因素的影响，如：底物浓度、酶浓度、溶液的pH值和离子浓度、温度、抑制剂和激活剂等都能影响催化反应的速度。

通常是在其他因素恒定的条件下，通过对某因素在一系列变化条件下的酶活性测定，求得该因素对酶活力的影响，这是单因素的简单比较法。

本实验用正交法测定温度、pH值、底物浓度和酶浓度四种因素对蔗糖酶活性的影响，这是多因素（≥3）的实验方法。

正交法是通过正交表安排多因素实验，利用统计数学原理进行数据分析的一种科学方法，它符合“以尽量少的试验，获得足够的、有效的信息”的实验设计原则。

(7)化学反应中如何设计正交实验扩展阅读：

正交试验法的程序为下列八个步骤：

1、确定试验目的。实验目的是多种多样的，如找出产品质量指标的最佳组合、确定最佳工艺条件等。本实验的目的是为了提高酶的反应速度，提高酶的活力。

2、选择质量特性指标。应选择能提高或改进的质量特性及因素效应。对于本实验来说就是产物（葡萄糖）生成量的多少。

3、选定相关因素。即选择和确定可能对实验结果或质量特性值有影响的那些因素，可人为控制与调节的因素，如温度、pH等。这些因素之间有相互独立性。

4、确定水平。水平，又称位级，是因素的一个给定值或一种特定的措施，或一种特定的状态。水平也就是因素变化的各种状态。在确定水平时，应考虑选择范围、水平数和水平位置。如本实验的温度水平可以选择20℃、30 ℃、50 ℃三个水平。

5、选用正交表。应从因素数、水平数以及有无重点因素需要强化考察等各方面综合考虑选用正交表。一般情况下，首先根据水平数选用2或3系列表，然后，以容纳试验因素数，选用实验次数最少的正交表。如有重点考察的因素，则根据其多考察的水平数，选混合型正交表。

6、配列因素水平，制定实验方案。按随机原则，把因素配列于选用的正交表中，制定实验的顺序、时间等，即制定实验具体方案。

7、实施实验方案。按实验方案，认真、正确地试验，如实记录各种实验数据。

8、实验结果分析。对实验中取得的各种数据进行分析。如从数据中直接选出符合或接近质量特性期望值的实验条件组。如不能采用直观分析方法，则应采用其他分析方法，确定各因素主次地位可用极差分析方法，定量分析各个因素对实验结果的影响程度，则用方差分析方法。

㈧ 关于三因素混合正交实验设计

考虑进行一个三因素、每个因素有三个水平的试验。如果作全面试验，需作3^3 = 27次。 图:正交试验设计示意图 若从27次试验中选取一部分试验，常将A和B分别固定在A1和B1水平上，与C的三个水平进行搭配，A1B1C1,A1B1C2,A1B1C3。作完这3次试验后，若A1B1C3最优，则取定C3这个水平，让A1和C3固定，再分别与B因素的三个水平搭配，A1B1C3,A1B2C3,A1B3C3。这3次试验作完以后，若A1B2C3最优，取定B2,C3这两个水平，再作两次试验A2B2C3,A3B2C3,然后与一起比较，若A3B2C3最优，则可断言A3B2C3是我们欲选取的最佳水平组合。这样仅作了8次试验就选出了最佳水平组合。 我们发现，这些试验结果都分布在立方体的一角，代表性较差，所以按上述方法选出的试验水平组合并不是真正的最佳组合。 如果进行正交试验设计，利用正交表安排试验，对于三因素三水平的试验来说，需要作9次试验，用“Δ”表示，标在图中。如果每个平面都表示一个水平，共有九个平面，可以看到每个平面上都有三个“Δ”点，立方体的每条直线上都有一个“Δ”点，并且这些“Δ”点是均衡地分布着，因此这9次试验的代表性很强，能较全面地反映出全面试验的结果，这就是正交实验设计所特有的均衡分散性。我们正是利用这一特性来合理的设计和安排试验，以便通过尽可能少的试验次数，找出最佳水平组合。编辑本段正交试验设计的过程 1)确定试验因素及水平数; 2)选用合适的正交表; 3)列出试验方案及试验结果; 4)对正交试验设计结果进行分析，包括极差分析和方差分析; 5)确定最优或较优因素水平组合。正交试验设计法与遗传算法的联系 （1）正交试验设计法是遗传算法的一种特例，即正交试验设计法是一种初始种群固定的、只使用定向变异算子的、只进化一代的遗传算法。 （2）遗传算法的步骤比正交试验设计法复杂，所需的试验次数也要多于正交试验设计法的试验次数，但它产生的解要优于正交试验设计法产生的解。 （3）遗传算法的隐并行性使得它在处理交互作用项时，效率比正交试验设计法要高。 （4）正交试验设计法可解决一般遗传算法中的最小欺骗问题。

㈨ 正交试验方法

正交实验设计

当析因设计要求的实验次数太多时，一个非常自然的想法就是从析因设计的水平组合中，选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计(fractional factorial designs)，但是对于试验设计知识较少的实际工作者来说，选择适当的分式析因设计还是比较困难的。

正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本着名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3正交表按排实验，只需作9次，按L18(3)7正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。

1．正交表

正交表是一整套规则的设计表格，用 。L为正交表的代号，n为试验的次数，t为水平数，c为列数，也就是可能安排最多的因素个数。例如L9(34)， (表11)，它表示需作9次实验，最多可观察4个因素，每个因素均为3水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24) (表12)，此表的5列中，有1列为4水平，4列为2水平。根据正交表的数据结构看出，正交表是一个n行c列的表，其中第j列由数码1，2，… Sj 组成，这些数码均各出现N/S 次，例如表11中，第二列的数码个数为3，S=3 ，即由1、2、3组成，各数码均出现 次。

正交表具有以下两项性质：

(1)每一列中，不同的数字出现的次数相等。例如在两水平正交表中，任何一列都有数码“1”与“2”，且任何一列中它们出现的次数是相等的；如在三水平正交表中，任何一列都有“1”、“2”、“3”，且在任一列的出现数均相等。
(2)任意两列中数字的排列方式齐全而且均衡。例如在两水平正交表中，任何两列(同一横行内)有序对子共有4种：(1，1)、(1，2)、(2，1)、(2，2)。每种对数出现次数相等。在三水平情况下，任何两列(同一横行内)有序对共有9种，1.1、1.2、1.3、2.1、2.2、2.3、3.1、3.2、3.3，且每对出现数也均相等。

以上两点充分的体现了正交表的两大优越性，即“均匀分散性，整齐可比”。通俗的说，每个因素的每个水平与另一个因素各水平各碰一次，这就是正交性。

2. 交互作用表 每一张正交表后都附有相应的交互作用表，它是专门用来安排交互作用试验。表14就是L8(27)表的交互作用表。

安排交互作用的试验时，是将两个因素的交互作用当作一个新的因素，占用一列，为交互作用列，从表14中可查出L8(27)正交表中的任何两列的交互作用列。表中带( )的为主因素的列号，它与另一主因素的交互列为第一个列号从左向右，第二个列号顺次由下向上，二者相交的号为二者的交互作用列。例如将A因素排为第(1)列，B因素排为第(2)列，两数字相交为3，则第3列为A×B交互作用列。又如可以看到第4列与第6列的交互列是第2列，等等。

3．正交实验的表头设计 表头设计是正交设计的关键，它承担着将各因素及交互作用合理安排到正交表的各列中的重要任务，因此一个表头设计就是一个设计方案。

表头设计的主要步骤如下：

(1)确定列数 根据试验目的，选择处理因素与不可忽略的交互作用，明确其共有多少个数，如果对研究中的某些问题尚不太了解，列可多一些，但一般不宜过多。当每个试验号无重复，只有1个试验数据时，可设2个或多个空白列，作为计算误差项之用。
(2)确定各因素的水平数 根据研究目的，一般二水平(有、无)可作因素筛选用；也可适用于试验次数少、分批进行的研究。三水平可观察变化趋势，选择最佳搭配；多水平能以一次满足试验要求。
(3)选定正交表 根据确定的列数&;与水平数(t)选择相应的正交表。例如观察5个因素8个一级交互作用，留两个空白列，且每个因素取2水平，则适宜选L16(215)表。由于同水平的正交表有多个，如L8(27)、L12(211)、L16(215)，一般只要表中列数比考虑需要观察的个数稍多一点即可，这样省工省时。
(4)表头安排 应优先考虑交互作用不可忽略的处理因素，按照不可混杂的原则，将它们及交互作用首先在表头排妥，而后再将剩余各因素任意安排在各列上。例如某项目考察4个因素A、B、C、D及A×B交互作用，各因素均为2水平，现选取L8(27)表，由于AB两因素需要观察其交互作用，故将二者优先安排在第1、2列，根据交互作用表查得A×B应排在第3列，于是C排在第4列，由于A×C交互在第5列，B×C交互作用在第6列，虽然未考查A×C与B×C，为避免混杂之嫌，D就排在第7列。

(5)组织实施方案 根据选定正交表中各因素占有列的水平数列，构成实施方案表，按实验号依次进行，共作n次实验，每次实验按表中横行的各水平组合进行。例如L9(34)表，若安排四个因素，第一次实验A、B、C、D四因素均取1水平，第二次实验A因素1水平，B、C、D取2水平，……第九次实验A、B因素取3水平，C因素取2水平，D因素取1水平。实验结果数据记录在该行的末尾。因此整个设计过程我们可用一句话归纳为：“因素顺序上列、水平对号入座，实验横着作”。

4．二水平有交互作用的正交实验设计与方差分析

例8 某研究室研究影响某试剂回收率的三个因素，包括温度、反应时间、原料配比，每个因素都为二水平，各因素及其水平见表16。选用L8(27)正交表进行实验，实验结果见表17。

首先计算Ij 与IIj ，Ij为第j列第1水平各试验结果取值之和，IIj为第j列第2水平各试验结果取值之和。然后进行方差分析。过程为：
求：总离差平方和
各列离差平方和 SSj=
本例各列离均差平方和见表10最底部一行。即各空列SSj之和。即误差平方和
自由度v为各列水平数减1，交互作用项的自由度为相交因素自由度的乘积。
分析结果见表18。

从表18看出，在α＝0.05水准上，只有C因素与A×B交互作用有统计学意义，其余各因素均无统计学意义，A因素影响最小，考虑到交互作用A×B的影响较大，且它们的二水平为优。在C2的情况下， 有B1A2和B1，A1两种组合状况下的回收率最高。考虑到B因素影响较A因素影响大些，而B中选B1为好，故选A2B1。这样最后决定最佳配方为A2B1C2，即80℃，反应时间2.5h，原料配比为1.2:1。

如果使用计算机进行统计分析，在数据是只需要输入试验因素和实验结果的内容，交互作用界的内容不用输入，然后按照表头定义要分析的模型进行方差分析。

㈩ 正交试验设计程序 是先正交试验 还是 先单因素实验

正交试验设计程序先单因素实验。

先选择单因素进行实验，然后选择几个重要的影响因素进行正交实验看相互作用，最后找到影响最大的因素进行详细的单因素实验看是否与正交实验得到的结果一样，选择最佳反应条件即可。

有很多的因素变化制约着一个事件的变化，那么为了弄清楚各因素对实验结果的重要性，必须通过做实验验证(仿真也可以说是实验，只不过试验设备是计算机)，如果因素很多，而且每种因素又有多种变化(专业称法是：水平)，那么实验量会非常的大，显然是不可能每一个实验都做的。

正交试验法就是一种能够大幅度减少试验次数而且并不会降低试验可行度的方法。首先需要选择一张和你的实验因素水平相对应的正交表，已经有数学家制好了很多相应的表，只需找到对应你需要的就可以了。

所谓正交表，也就是一套经过周密计算得出的现成的实验方案，每次实验时，用那几个水平互相匹配进行实验，这套方案的总实验次数是远小于每种情况都考虑后的实验次数的。

比如3水平4因素表就只有9行，远小于遍历试验的81次；同理可推算出如果因素水平越多，试验的精简程度会越高。

(10)化学反应中如何设计正交实验扩展阅读

在生产和科研中，为了研制新产品，改革生产工艺，寻找优良的生产条件，需要做许多多因素的实验。 在方差分析中对于一个或两个因素的实验，可以对不同因素的所有可能的水平组合做实验，这叫做全面实验。

当因素较多时，虽然理论上仍可采用前面的方法进行全面实验后再做相应的方差分析，但是在实际中有时会遇到实验次数太多的问题。

例如，生产化工产品，需要提高收率（产品的实际产量与理论上投入的最大产量之比），认为反应温度的高低、加碱量的多少、催化剂种类等多种因素，都是造成收率不稳的主要原因。

选择温度的三个水平：80℃、85℃、90℃；加碱量的三个水平：35、48、55（kg）；催化剂的三个水平：甲、乙、丙三种。

如果做全面实验，则需3×3×3=27次。如果有3个因素，每个因素选取4个实验水平的问题，在每一种组合下只进行一次试验，所有不同水平的组合有4×4×4=64种，如果6个因素，5个实验水平，全面实验的次数是5×5×5×5×5×5=15，625次。

对于这样一些问题，设计全面的实验往往耗时、费力，往往很难做到。

因此，如何设计多因素实验方案，选择合理的实验设计方法，使之既能减少实验次数，又能收到较好的效果。“正交实验法”就是研究与处理多因素实验的一种科学有效的方法。