当前位置:首页 > 数理化
实验设计数据处理与计算机模拟
实验设计数据处理与计算机模拟

实验设计数据处理与计算机模拟PDF电子书下载

数理化

  • 电子书积分:10 积分如何计算积分?
  • 作 者:孙培勤,孙绍晖主编
  • 出 版 社:北京:中国石化出版社
  • 出版年份:2018
  • ISBN:9787511436955
  • 页数:215 页
图书介绍:该书紧密围绕最新教材大纲编写,涵盖教材大纲中95%以上的知识点,力求做到最新、最全。通过对知识点及例题不同考核层面的视频讲解,有助于考生加深理解教材内容,可针对考试有的放矢安排学习时间。该书可扫码看视频讲解,学习方便简单。
上一篇:光学实验下一篇:方程与不等式 2
《实验设计数据处理与计算机模拟》目录

第1章 误差理论和测定结果表达 1

1.1测量误差的分类 1

1.2随机误差的统计规律性 2

1.3正态分布与t分布 4

1.4样本异常值的判断和处理 7

1.5测量结果的区间估计 11

1.6测量结果的有效数字 12

第2章 统计推断和显著性检验 14

2.1数理统计的基本概念 14

2.2假设检验的基本思路和方法 15

2.3总体均值的显著性检验 20

2.4总体方差的统计检验 22

第3章 线性回归 26

3.1相关 26

3.2散点图 27

3.3一元回归方程的求法和配线过程 28

3.4回归方程的相关系数 30

3.5回归方程的精密度和置信范围 33

第4章 曲线拟合 35

4.1一个曲线变直求取经验方程的实例 35

4.2经验方程式类型的确定 38

4.3经验方程式中常数的确定 40

4.4曲线变直和相关系数 41

第5章 误差分析和实验设计 43

5.1误差传递 43

5.2自误差分析确定仪器精度 44

5.3自误差分析确定实验点的位置的研究实例 46

第6章 单因素及双因素优选法 52

6.1黄金分割法 53

6.2分数试验法 54

6.3对分法 55

6.4用黄金分割法作经验方程式中参数精估的数据处理 56

6.5陡度法——双因素优选法 58

第7章 多因素优选的正交实验设计法 61

7.1 MoO3流失因素考察实例 61

7.2氯萘水解制α-萘酚工艺条件的确定 63

7.3正交试验结果的显著性检验 66

第8章 二次回归正交实验设计 70

8.1二次回归正交实验的数学模型和组合实验设计 70

8.2二次回归组合实验设计的正交性 73

8.3二次回归正交组合设计的基本步骤 75

8.4二次回归正交组合设计应用实例 77

第9章 均匀设计及应用 79

9.1均匀设计表的使用和特点 79

9.2均匀设计表的构造和运用 81

9.3混合水平均匀设计表的使用 82

9.4配方均匀设计 84

第10章 数学模拟实验 90

10.1建立数学模型的一般步骤 90

10.2 AlCl3在异丙苯合成反应系统中的停留时间分布 92

10.3 RTD曲线与补加催化剂的最佳周期 96

10.4连串反应工艺条件最优化数学模型的建立 99

第11章模型判别与序贯实验设计 103

11.1散度 103

11.2停留时间分布的模型判别实验设计 105

11.3用散度法设计动力学实验的实例 106

11.4模型判定 108

11.5实验熵与后验概率 110

11.6序贯实验设计 111

第12章 置信域与统计的实验设计 113

12.1联合置信域 113

12.2联合置信域的计算方法 114

12.3不同试验设计结果的置信域分析 117

12.4以置信域容积最小作为目标的实验设计方法 119

第13章 准确求取反应动力学参数 122

13.1最小实验点数及位置安排 122

13.2文献实例校核 124

13.3 GPLE烧结动力学参数的求取 128

第14章Monte Carlo模拟 131

14.1 Monte Carlo方法基础 131

14.2乘同余法 134

14.3化学反应的特征与Monte Carlo模拟 135

14.4一级催化反应的Monte Carlo模拟算法示意 135

14.5一级连串反应 136

14.6 Monte Carlo方法在高分子科学中的应用 139

第15章 分形的基础及应用 142

15.1分形是如何产生的 142

15.2分形的维数 146

15.3分形与人口动力学 147

15.4催化剂表面分形的生成过程及其吸附行为 149

第16章 人工神经网络 152

16.1神经组织的基本特征 152

16.2人工神经元的M-P模型 153

16.3多层前传网络的向后传播算法——B-P算法 154

16.4蠓虫分类的应用实例 157

16.5人工神经网络在化学化工中的应用 159

16.6人工神经网络的研究方向和发展趋势 160

第17章 数据挖掘与人工智能 162

17.1数据挖掘的概念 162

17.2数据挖掘技术的起源与发展 162

17.3统计分析与数据挖掘的主要区别 164

17.4数据挖掘的基本方法 164

17.5浅层学习与深度学习 173

17.6人工智能的发展与未来 174

第18章 常用数据处理软件简介 178

18.1 Excel软件简介 178

18.2 Origin软件简介 182

18.3 Mathcad软件简介 186

18.4 Matlab软件简介 188

18.5 Design-Expert软件简介 190

主要符号表 202

附录1 t分布临界值表 204

附录2标准正态分布的分布函数表 205

附录3 F检验的临界值(Fα)表 207

附录4 x2分布表 211

参考文献 213

相关图书
作者其它书籍
返回顶部