數學方法滲透并支配著一切自然科學的理論分支。它愈來愈成為衡量科學成就的主要標志了。數據是信息的具體表現形式，是各種各樣的物理符號及其組合，反映信息的內容。信息是對各種事物的變化和特征的反映，是事物之間相互作用和聯系的表征。信息是數據的內涵，數據是信息的載體。人們對各種形式的數據進行收集、存儲、加工和傳播的一系列活動總和稱為數據處理。數據本身并沒有意義，數據只有經過數據處理解釋后才有意義。化學、化工都是基于實驗的科學，在科學研究中往往涉及實驗的科學設計與數據的深度解析，以探索數據背后隱藏的科學規(guī)律與指導實際生產過程。在科學實驗、工程設計、企業(yè)管理以及理工科大學生、研究生做畢業(yè)論文或畢業(yè)設計等實際工作中，經常遇到類似問題。
　　編者多年來一直從事本科生和研究生的化工數學、實驗設計與數據處理等課程的教學活動，熟悉化學化工類專業(yè)本科生、研究生在實驗規(guī)劃和數據處理等方面的學習情況，并在相應的教學和科研中積累了豐富的經驗，由此形成了本書的編寫基礎。全書共分為六章，第一章介紹了數理統(tǒng)計的相關基礎；第二介紹了實驗誤差的估算與分析；第三章介紹了數據預處理的方法，主要包括數據的插值、積分與整理等；第四章介紹數學模型的建立，即模型函數的選擇、模型的參數估計與模型的鑒別與篩選，具體介紹了采用Excel軟件與Origin軟件進行線性函數、非線性函數建模的方法；第五章介紹了實驗設計的方法，包括單因素實驗設計、正交實驗設計、均勻實驗設計；第六章介紹了人工智能在實驗設計與數據分析方面的應用，主要介紹了基于神經網絡的建模、預測與優(yōu)化方法。
　　本書在編寫過程中參考了大量的教材、文獻及專著，在此特表示感謝。參考文獻中如有疏漏，敬請諒解。本書編寫過程中西北大學在讀研究生謝良才、劉永斌、汪星等參加了本書電子文本的編輯工作，在此表示感謝。本書由人工智能領域專家西安交通大學“長江學者”特聘教授梅雪松老師審讀，在此表示衷心感謝。
　　由于編者水平有限，書中不足之處在所難免，敬請廣大讀者不吝指正。