康佳 吳海燕 袁亞碩

摘要：C4烯烴廣泛應(yīng)用于化工產(chǎn)品及醫(yī)藥的生產(chǎn)，乙醇是生產(chǎn)制備C4烯烴的原料。本文首先探究每種催化劑組合下乙醇轉(zhuǎn)化率、C4烯烴的選擇性與溫度的關(guān)系，進(jìn)一步運(yùn)用線性/非線性回歸的知識，建立回歸模型來擬合其之間的關(guān)系，分析350℃時(shí)某一催化劑條件下不同時(shí)間中的測試結(jié)果。然后，探究不同催化劑組合以及溫度對于乙醇轉(zhuǎn)化率和C4烯烴選擇性大小的影響，對四個(gè)變量之間的關(guān)系進(jìn)行分析。最后建立多重對應(yīng)分析模型，將四種數(shù)據(jù)能夠從視覺上直接展示出來。

關(guān)鍵詞：多重對應(yīng)分析模型;SPSS;回歸分析

1 引言

C4烯烴廣泛應(yīng)用于化工產(chǎn)品及醫(yī)藥的生產(chǎn)，乙醇是生產(chǎn)制備C4烯烴的原料。在制備的過程中，催化劑的組合（即：Co負(fù)載量、Co/Sio2和HAP裝料比、乙醇濃度的組合）與溫度對C4烯烴的選擇性和C4烯烴收率將產(chǎn)生影響。因此通過對催化劑組合設(shè)計(jì)，探索乙醇催化偶合制備C4烯烴的工藝條件具有非常重要的意義和價(jià)值。

本文主要通過采用SPSS軟件對乙醇轉(zhuǎn)化率、催化劑、溫度等數(shù)據(jù)進(jìn)行相關(guān)分析，通過SPSS中的曲線估計(jì)功能找出擬合度最高的曲線，從而得出溫度與乙醇轉(zhuǎn)化率，以及溫度與C4烯烴選擇性之間的關(guān)系。然后將催化劑三種成分拆分開，即探究三種成分和溫度與乙醇轉(zhuǎn)化率、選擇性大小的關(guān)系，四個(gè)自變量，兩個(gè)因變量，又因?yàn)槌煞忠挥址譃闈舛群秃績蓚€(gè)指標(biāo)，因此繼續(xù)拆分，轉(zhuǎn)化為五個(gè)自變量，兩個(gè)因變量。進(jìn)而使用多重對應(yīng)分析功能，分析并解決問題。

2 數(shù)據(jù)預(yù)處理

通過spss軟件對現(xiàn)有的附件數(shù)據(jù)進(jìn)行預(yù)處理，導(dǎo)出該數(shù)據(jù)對應(yīng)的散點(diǎn)圖，進(jìn)而確定是否成線性對應(yīng)關(guān)系。分析出每個(gè)變量之間對應(yīng)的關(guān)系，基本確定溫度與乙醇轉(zhuǎn)化率、以及溫度與C4烯烴選擇性之間的關(guān)系，從而根據(jù)基本確定的關(guān)系設(shè)計(jì)出基礎(chǔ)分析模型。

通過散點(diǎn)圖可知：兩者線性關(guān)系并不明顯，但能明顯看出隨著溫度的增大，乙醇轉(zhuǎn)化率相應(yīng)增大，進(jìn)而使用SPSS軟件的曲線估計(jì)功能得出較為準(zhǔn)確的函數(shù)關(guān)系。由圖2可知，其中A1，，A2，B7催化劑組合呈明顯的非線性關(guān)系，在不考慮實(shí)驗(yàn)誤差的前提下，聯(lián)系化學(xué)知識可初步判斷為催化劑組合對 C4烯烴選擇性存在一個(gè)最適區(qū)間，當(dāng)超過這一區(qū)間時(shí)，會導(dǎo)致選擇性下降，這一發(fā)現(xiàn)，對于設(shè)置合適的溫度來獲得盡可能多的C4烯烴具有重大的意義。

3 模型建立與求解

3.1 回歸模型之探究溫度的影響

在每種催化劑組合下分別以乙醇轉(zhuǎn)化率、C4烯烴選擇性為因變量，溫度為自變量，運(yùn)用SPSS做出散點(diǎn)圖（如圖一），可得出變量之間的非線性關(guān)系。

建立非線性回歸模型：

通過SPSS運(yùn)用曲線估計(jì)功能擬合得出該題結(jié)果如下表1所示：

分析解讀：由上圖中的函數(shù)關(guān)系式即可得出乙醇轉(zhuǎn)化率、C4烯烴的選擇性與溫度的關(guān)系，且R2均大于0.9，擬合度較高，創(chuàng)建的函數(shù)模型能夠較好的反映乙醇轉(zhuǎn)化率、C4烯烴的選擇性與溫度的關(guān)系。

3.2 回歸模型之探究時(shí)間的影響

通過Excel軟件制作時(shí)間與六種產(chǎn)物之間的關(guān)系，分別以時(shí)間為橫坐標(biāo)，六種產(chǎn)物為縱坐標(biāo)，作出相應(yīng)的散點(diǎn)圖，添加趨勢線擬合自變量與因變量之間的函數(shù)關(guān)系。 結(jié)果如下所示：

3.3 多重對應(yīng)分析模型的建立與求解

將催化劑拆分為Co/Sio2的含量以及濃度、HAP、乙醇三部分，在工具欄中選擇降維的最優(yōu)標(biāo)度接著在新的對話框中將“七個(gè)變量“選入分析變量的方框中，將所有變量進(jìn)行聯(lián)合類別圖分析，得出類別點(diǎn)的聯(lián)合圖以及區(qū)分測量成分正態(tài)化圖表，通過解讀結(jié)果視圖分析問題。視圖如下：

解讀方式：

1.在類別點(diǎn)的聯(lián)合圖中擬建立以（0，0）為原點(diǎn)的坐標(biāo)軸。根據(jù)對應(yīng)分析的原理，同一個(gè)變量的不同類型，如果代表它們的點(diǎn)散落在原點(diǎn)的相似方位且互相之間的距離較近，可以說明這些類別的性質(zhì)相近。不同變量的不同類別，如果代表它們的散點(diǎn)散落在原點(diǎn)的相似方位且距離較近，可以說明這些類別之間具有相關(guān)關(guān)系。

2.對于區(qū)分測量圖，以原點(diǎn)（0，0）出發(fā)的幾條直線，兩條線之間為銳角則具有相關(guān)關(guān)系，且距離最近的兩個(gè)類別之間相關(guān)關(guān)系較大。

解讀結(jié)果：

由上圖可知，溫度對于C4烯烴的選擇性以及乙醇轉(zhuǎn)化率的影響最大，催化劑對于二者的影響不及溫度。此外，成分1.1——Co/SiO2的含量對于乙醇轉(zhuǎn)化率以及C4烯烴的選擇性影響相對于其他成分的影響較大。

4 模型評價(jià)與推廣

本文采用SPSS軟件對相關(guān)數(shù)據(jù)進(jìn)行相關(guān)分析，建立相應(yīng)的回歸模型。因相應(yīng)的溫度與乙醇轉(zhuǎn)化率、以及溫度與C4烯烴選擇性之間的關(guān)系未知，利用曲線估算功能找出擬合度最高的曲線，從而得出溫度與乙醇轉(zhuǎn)化率，以及溫度與C4烯烴選擇性之間的關(guān)系。該模型與回歸模型結(jié)合能具有很好的解釋性，并且可以通過散點(diǎn)圖進(jìn)行基礎(chǔ)數(shù)據(jù)的分析，在模型成立的情況下對自變量和因變量進(jìn)行分析，使用多重比較分析，以及相應(yīng)的數(shù)據(jù)處理，進(jìn)而可以迅速的得出實(shí)驗(yàn)的分析結(jié)果。運(yùn)用降維的思想來簡化列聯(lián)表的結(jié)構(gòu)，可以更加簡單直觀地呈現(xiàn)數(shù)據(jù)。然而該模型所呈現(xiàn)的多為圖形，需要仔細(xì)分析，不加注意可能得到與正確結(jié)果相差甚遠(yuǎn)的結(jié)論。且難以很好地表達(dá)高度復(fù)雜的數(shù)據(jù)。

該模型能夠高效、準(zhǔn)確的對現(xiàn)有數(shù)據(jù)進(jìn)行分析，在未來可以推廣到化學(xué)實(shí)驗(yàn)研究的實(shí)驗(yàn)分析中，可以更加快捷的分析出實(shí)驗(yàn)中的最優(yōu)解。

參考文獻(xiàn)

[1] 勾建偉，錢耀飛，汪澤晴.分位數(shù)回歸模型在高維金融數(shù)據(jù)分析中的方法和應(yīng)用[J]. 知識經(jīng)濟(jì)，2019（5）：39-41. DOI：10.3969/j.issn.1007-3825.2019.05.024.

[2]呂紹沛. 乙醇偶合制備丁醇及C_4烯烴[D].大連理工大學(xué)，2018.

[3] Vasile Hulea.Toward Platform Chemicals from Bio-Based Ethylene： Heterogeneous Catalysts and Processes[J].ACS catalysis，2018，8（4）.3263～3279.doi：10.1021/acscatal.7b04294.

[4] 朱永杰.基于廣義線性模型的混合屬性數(shù)據(jù)聚類方法[J]. 科學(xué)技術(shù)與工程，2021，21（4）：1448-1453.?DOI：10.3969/j.issn.1671-1815.2021.04.029.

作者簡介：康佳 2000年11月 女 漢族 河南安陽 本科 學(xué)生 動物科學(xué)專業(yè)（大數(shù)據(jù)方向）