编者多年来一直从事本科生和研究生的化工数学、实验设计与数据处理等课程的教学活动，熟悉化学化工类专业本科生、研究生在实验规划和数据处理等方面的学习情况，并在相应的教学和科研中积累了丰富的经验，由此形成了《化学化工数据处理与实验设计》的编写基础。全书共分为六章，第一章介绍了数理统计的相关基础；第二介绍了实验误差的估算与分析；第三章介绍了数据预处理的方法，主要包括数据的插值、积分与整理等；第四章介绍数学模型的建立，即模型函数的选择、模型的参数估计与模型的鉴别与筛选，具体介绍了采用Excel软件与Origin软件进行线性函数、非线性函数建模的方法；第五章介绍了实验设计的方法，包括单因素实验设计、正交实验设计、均匀实验设计；第六章介绍了人工智能在实验设计与数据分析方面的应用，主要介绍了基于神经网络的建模、预测与优化方法。

　　数学方法渗透并支配着一切自然科学的理论分支。它愈来愈成为衡量科学成就的主要标志了。数据是信息的具体表现形式，是各种各样的物理符号及其组合，反映信息的内容。信息是对各种事物的变化和特征的反映，是事物之间相互作用和联系的表征。信息是数据的内涵，数据是信息的载体。人们对各种形式的数据进行收集、存储、加工和传播的一系列活动总和称为数据处理。数据本身并没有意义，数据只有经过数据处理解释后才有意义。化学、化工都是基于实验的科学，在科学研究中往往涉及实验的科学设计与数据的深度解析，以探索数据背后隐藏的科学规律与指导实际生产过程。在科学实验、工程设计、企业管理以及理工科大学生、研究生做毕业论文或毕业设计等实际工作中，经常遇到类似问题。
　　编者多年来一直从事本科生和研究生的化工数学、实验设计与数据处理等课程的教学活动，熟悉化学化工类专业本科生、研究生在实验规划和数据处理等方面的学习情况，并在相应的教学和科研中积累了丰富的经验，由此形成了本书的编写基础。全书共分为六章，第一章介绍了数理统计的相关基础；第二介绍了实验误差的估算与分析；第三章介绍了数据预处理的方法，主要包括数据的插值、积分与整理等；第四章介绍数学模型的建立，即模型函数的选择、模型的参数估计与模型的鉴别与筛选，具体介绍了采用Excel软件与Origin软件进行线性函数、非线性函数建模的方法；第五章介绍了实验设计的方法，包括单因素实验设计、正交实验设计、均匀实验设计；第六章介绍了人工智能在实验设计与数据分析方面的应用，主要介绍了基于神经网络的建模、预测与优化方法。
　　本书在编写过程中参考了大量的教材、文献及专著，在此特表示感谢。参考文献中如有疏漏，敬请谅解。本书编写过程中西北大学在读研究生谢良才、刘永斌、汪星等参加了本书电子文本的编辑工作，在此表示感谢。本书由人工智能领域专家西安交通大学“长江学者”特聘教授梅雪松老师审读，在此表示衷心感谢。
　　由于编者水平有限，书中不足之处在所难免，敬请广大读者不吝指正。