响应面法是目前最常用的优化方法之一,是数学方法和统计方法结合的产物,它是利用统计学的综合试验技术解决复杂系统变量与响应之间关系的一种方法,用来对所感兴趣的响应受多个变量影响的问题进行建模和分析的,其最终目的是优化该响应,广泛应用于生物过程、化学过程、食品工程及其他工程领域的过程优化。本文对响应面法的基本原理、试验设计的方法、试验数据的处理以及其应用进行了概述,并以响应面为分析方法,以微生物MAP-3降解氧化乐果过程和米曲霉产α-淀粉酶过程为主要研究对象,分别选取了中心组合试验设计(CCD)和Box-Behnken试验设计(BBD)对这两个过程进行了试验设计、过程分析及优化。在微生物MAP-3降解氧化乐果过程中,首先选用中心组合试验设计,设计了4因素5水平的试验方案,根据试验数据拟合了影响氧化乐果降解率的二次多项回归模型。通过方差分析,对模型的显著性、试验因素的显著性、因素间交互作用的显著性及试验值的可靠性进行了检验；通过响应面优化找到了氧化乐果降解的最佳条件和最大降解率。模型预测值于试验值非常接近,较优化前有了明显提高。在米曲霉产α-淀粉酶发酵培养基的过程中,首先利用Plackett-Burman试验设计从影响发酵水平的7个影响因素中筛选出三个关键因素：豆粕粉、pH值和FeSO4·7H20;在此基础上,运用Box-Behnken设计3因素3水平共17个试验点的试验方案,运用响应面法拟合了影响α-淀粉酶的发酵水平的二次多项数学模型。通过方差分析,模型的显著性、因素的显著性、因素间交互作用的显著性及试验值的可靠性得到了有效检验；通过响应面优化获得了米曲霉产α-淀粉酶的最优发酵培养基最优的发酵水平,预测值与试验验证值为相差微小,模型能很好地预测实际表达情况。