2.3. Model developmentThree types o

2.3. Model development
Three types of linear models (main factors; main factors,
interactions and higher orders; logarithmic) and two types of
nonlinear models (three parameters Logistic and four
parameters Weibull) were investigated to predict THMs and
HAAs in the PP and HWT. The main factor linear models are
the simplest form of multiple linear models (Montgomery and
Runger, 2007). These models are constructed using significant
main factors where interaction and higher order terms are
ignored. The parameters (e.g., model coefficients) and the
factors (predictor variables) are linear in this model. In the
main factor, interaction and higher order terms models, the
significant main factors, the effect of two factors varying
together (e.g., TOC and temperature) and higher order terms
(e.g., quadratic, cubic) are incorporated. However, model
parameters are linear. In the case of the logarithmic linear
model, values of the factors are transformed into a logarithm
and then linear regression is performed. The model parameters
and logarithm of factors are linear in these models. The
fitness and performance of the regression models are generally
estimated by the coefficient of determination (R2), F Ratio,
root mean square error (RMSE), significance probability, lack
of fit test, Normal probability plot of residuals and residuals
versus predict and data order plots (Montgomery and Runger,
2007).

ผลลัพธ์ (ไทย) 1:

2.3. รูปแบบการพัฒนาสามชนิดของรูปแบบเชิงเส้น (ปัจจัยหลัก ปัจจัยหลักโต้ตอบและใบสั่งซื้อสูงกว่า ลอการิทึม) และสองชนิดแบบจำลองไม่เชิงเส้น (พารามิเตอร์สามโลจิสติกการและสี่มีการตรวจสอบพารามิเตอร์ที่ Weibull) ทำนาย THMs และฮาใน PP และ HWT เป็นแบบเชิงเส้นของปัจจัยหลักแบบง่ายที่สุดของแบบจำลองเชิงเส้นหลาย (โรง และRunger, 2007) รุ่นเหล่านี้ถูกสร้างขึ้นโดยใช้อย่างมีนัยสำคัญที่การโต้ตอบและเงื่อนไขการสั่งซื้อสูงขึ้นเป็นปัจจัยหลักละเว้น พารามิเตอร์ (เช่น แบบจำลองสัมประสิทธิ์) และปัจจัย (ตัวแปร predictor) คือเส้นตรงในรูปแบบนี้ ในปัจจัยหลัก การโต้ตอบ และสูงสั่งเงื่อนไข รุ่น การปัจจัยหลักสำคัญ ผลของปัจจัยทั้งสองที่แตกต่างกันร่วมกัน (เช่น TOC และอุณหภูมิ) และเงื่อนไขการสั่งซื้อสูง(เช่น กำลังสอง ลูกบาศก์) จะถูกรวม อย่างไรก็ตาม รุ่นพารามิเตอร์ไม่เชิงเส้น ในกรณีของการลอการิทึมเชิงเส้นนางแบบ ค่าปัจจัยกลายไปลอการิทึมและจากนั้น ดำเนินการถดถอยเชิงเส้น พารามิเตอร์ของแบบจำลองและลอการิทึมของปัจจัยเชิงเส้นในรุ่นเหล่านี้ การกายและประสิทธิภาพของรูปแบบการถดถอยมักประมาณโดยพิจารณาจากค่าสัมประสิทธิ์การกำหนด (R2), อัตราส่วน Fข้อผิดพลาดรากหมายถึงสแควร์ (RMSE), ความสำคัญน่าเป็น ขาดของ พล็อตความน่าเป็นปกติของค่าคงเหลือและค่าคงเหลือเมื่อเทียบกับการคาดคะเนและข้อมูล ใบสั่งแปลง (เมอรี่และ Runger2007)

ผลลัพธ์ (ไทย) 2:

2.3 การพัฒนารูปแบบ
สามประเภทของแบบจำลองเชิงเส้น (ปัจจัยหลักปัจจัยหลัก
ปฏิสัมพันธ์และการสั่งซื้อสูงกว่า; ลอการิทึม) และทั้งสองประเภทของ
รูปแบบไม่เชิงเส้น (สามพารามิเตอร์โลจิสติกและสี่
พารามิเตอร์ Weibull) ได้รับการตรวจสอบในการทำนาย THMs และ
ฮาสใน PP และ HWT หลักโมเดลปัจจัยเชิงเส้นเป็น
รูปแบบที่ง่ายของแบบจำลองเชิงเส้นหลาย ๆ (กอเมอรีและ
Runger 2007) รุ่นนี้สร้างขึ้นโดยใช้ที่สำคัญ
ปัจจัยหลักที่มีปฏิสัมพันธ์และการสั่งซื้อที่สูงกว่าข้อตกลงที่มีการ
ละเว้น พารามิเตอร์ (เช่นค่าสัมประสิทธิ์รุ่น) และ
ปัจจัย (ตัวแปร) เป็นเชิงเส้นในรูปแบบนี้ ใน
ปัจจัยหลักที่มีปฏิสัมพันธ์และเงื่อนไขการสั่งซื้อสูงรุ่นที่
ปัจจัยหลักที่สำคัญผลกระทบจากสองปัจจัยที่แตกต่างกัน
เข้าด้วยกัน (เช่น TOC และอุณหภูมิ) และเงื่อนไขการสั่งซื้อที่สูงขึ้น
(เช่นกำลังสองลูกบาศก์) ได้มีการรวบรวม อย่างไรก็ตามรูปแบบ
พารามิเตอร์เชิงเส้น ในกรณีของการเชิงเส้นลอการิทึม
รุ่นค่าของปัจจัยที่จะกลายเป็นลอการิทึม
แล้วถดถอยเชิงเส้นจะดำเนินการ พารามิเตอร์รุ่น
และลอการิทึมของปัจจัยเชิงเส้นในรูปแบบเหล่านี้
การออกกำลังกายและการปฏิบัติงานของรุ่นถดถอยโดยทั่วไปจะ
ประมาณโดยค่าสัมประสิทธิ์ของการตัดสินใจ (R2) F อัตราส่วน
ค่าเฉลี่ยกำลังสองข้อผิดพลาด (RMSE) น่าจะมีนัยสำคัญขาด
ของการทดสอบแบบที่พล็อตน่าจะเป็นปกติของเศษและที่เหลือ
เมื่อเทียบกับการคาดการณ์และข้อมูล เพื่อแปลง (กอเมอรีและ Runger,
2007)

ผลลัพธ์ (ไทย) 3:

2.3 การพัฒนาแบบจำลองสามประเภทของแบบจำลองเชิงเส้น ( ปัจจัย ปัจจัยหลักติดต่อและสั่งซื้อที่สูงขึ้น ; ลอการิทึม ) และสองชนิดของแบบจำลองเชิงเส้น ( สามพารามิเตอร์โลจิสติกและสี่พารามิเตอร์แบบ ) เป็นการศึกษาและทำนาย thmsHaas ใน PP และ hwt . แบบจำลองเชิงเส้นตรงปัจจัยหลัก คือรูปแบบที่ง่ายที่สุดของเส้นหลายรูปแบบ ( มอนต์โกเมอรี่ และrunger , 2007 ) โมเดลเหล่านี้ถูกสร้างขึ้นโดยใช้อย่างมีนัยสำคัญปัจจัยและเงื่อนไขที่ปฏิสัมพันธ์เพื่อการศึกษาละเว้น พารามิเตอร์ ( เช่น ค่าแบบ ) และตัวแปร ( ตัวแปร ) เป็นเส้นตรงในรูปแบบนี้ ในปัจจัยและเงื่อนไขการสั่งซื้อปฏิสัมพันธ์สูงกว่ารุ่นองค์ประกอบหลักที่สำคัญ ผลของปัจจัยที่แตกต่างกันด้วยกัน ( เช่น TOC และอุณหภูมิ ) และระดับสูง เงื่อนไข( เช่น กำลังสอง ลูกบาศก์ ) ที่มีการจดทะเบียน อย่างไรก็ตาม โมเดลตัวแบบเชิงเส้น ในกรณีของลอการิทึมเชิงเส้นรุ่น , ค่าของปัจจัยที่เปลี่ยนเป็นลอการิทึมและการถดถอยเชิงเส้นคือการปฏิบัติ รูปแบบพารามิเตอร์ลอการิทึมเชิงเส้นและปัจจัยในรูปแบบเหล่านี้ ที่ฟิตเนสและประสิทธิภาพของแบบจำลองถดถอยโดยทั่วไปคำนวณจากค่าสัมประสิทธิ์การตัดสินใจ ( R2 ) f , อัตราส่วนรากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE ) ของ ความน่าจะเป็น ความขาดทดสอบพอดี แปลงค่าความน่าจะเป็นของค่าปกติเมื่อเทียบกับคาดการณ์และข้อมูลการสั่งซื้อ และ runger แปลง ( มอนโกเมอรี่ ,2007 )