developed an accident prediction model for Federal Route 50 by using m การแปล - developed an accident prediction model for Federal Route 50 by using m ไทย วิธีการพูด

developed an accident prediction mo

developed an accident prediction model for Federal
Route 50 by using multiple linear regression analysis.
Bener and Crundall [9] evaluated the trend of road
traffic accidents problems in the United Arab Emirates
and to compare these trends with other western countries
like USA and UK and also a neighbouring country like
Qatar. Multiple linear regression analysis was
performed to determine predictor for fatalities per
10,000 vehicles.
With new development of fuzzy theory,
Tanaka et al. [10] introduced a new linear regression
model by integrating with fuzzy numbers. Despite the
long existence of fuzzy linear regression, this method
has never been tested to RA data. Linear prediction
models of fuzzy linear regressions have been vastly
investigated by many researchers. The first model
proposed by Tanaka et al [10] with the purpose to
minimize fuzziness as an optimal criterion. The method
was further developed by minimizing the total spread of
the output [11],[12], [13]. In 2005, Chang and Ayyub
[14] proposed a new method as an extension of Tanaka
et al method’s by introducing linear programming model
to reduce spread of the model. In their model, Chang and
Ayyub [14] provide an open interpretation of threshold
level h in solving the linear programming by passing the
arbitrary of h ∈ [0,1] to prerogative of decision makers.
It looks like the choices of h and its effect to the
forecasting efficiency was unspoken. The decision in
choosing the right threshold values has heightened the
need for exploring its effect to performance of the
forecasting model. It is hypothesized that variations of h
may contribute to the model efficiency.
The value of ‘h’ is referred to as the threshold
value between the estimated fuzzy regression model and
the collected data, which thus determines the range of
the possibility distributions of the fuzzy parameters [15].
Since h is subjectivity selected by a decision maker as an
input to the model, the selection of a proper value is
important in fuzzy regression [15]. The h values used in
previous research vary widely, ranging from 0 to 0.9.
Tanaka and Watada [16] suggested that the selection of
the h value be based upon the sufficiency (sample size)
of the data set available. Set h=0 when the data set
becomes smaller compared to some ideal size. However,
Savic and Pedrycz [17] recommended that the h value
not exceed 0.9. Bardossy et al. [18] suggested that
selection of an h value be dependent upon the decision
maker’s belief in the model, generally recommending an
h value between 0.5 to 0.7. In some literature, for
example, Heshmathy & Kandel, [12]; and Tanaka et al.,
[10] is consistently used h=0.5. What makes this
technique attractive is the model performance is heavily
depending on h values. The h values are selected
arbitrarily by decision makers as an input to the model.
Based on these premises, this paper intends to model
Malaysian road accidents data using a computational
tool of fuzzy linear regression with threshold h=0.5, and
0.9. Subsequently, the performance of the two models is
also examined. This paper has been organized in the
following way. Section II describes the fuzzy linear


. COMPUTATIONS
This study set out three major variables affecting the
total number of RA. The explanatory variables express
in the model are registered vehicles (RV), road length
(RL) and population (PO). These three major variables
are assigned as independent variables and RA as
dependent variables. The historical data of RA, RV, RL
and PO from the year 1974 to 2007 were employed as
input data.
The variables of the model are positioned in such way
that it fulfils requirement of linearity. Correlation
coefficients of variables are calculated for each
explanatory variable separately in order to determine the
best fit variable among these variables. Strength of
relationship among the variables is presented in Table I
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
การพัฒนารูปแบบการทำนายการเกิดอุบัติเหตุกับรัฐบาลกลาง
50 เส้นทางโดยใช้การวิเคราะห์การถดถอยเชิงเส้นหลาย
Bener และ crundall [9] การประเมินแนวโน้มของปัญหาถนน
อุบัติเหตุจราจรในอาหรับสหรัฐ
และเปรียบเทียบแนวโน้มเหล่านี้กับประเทศตะวันตกอื่น ๆ
เช่นสหรัฐอเมริกาและสหราชอาณาจักรและประเทศเพื่อนบ้านเช่น
กาตาร์ การวิเคราะห์การถดถอยเชิงเส้นเป็นหลาย
ดำเนินการเพื่อตรวจสอบการทำนายที่เสียชีวิตต่อ
10,000 ยานพาหนะ
กับการพัฒนาใหม่ของทฤษฎีเลือน
et al, ทานากะ [10] แนะนำเชิงเส้นถดถอย
รุ่นใหม่โดยบูรณาการกับตัวเลขเลือน แม้จะมีการดำรงอยู่
ยาวของการถดถอยเชิงเส้นเลือนวิธีนี้
ไม่เคยได้รับการทดสอบเพื่อให้ข้อมูลรา การคาดการณ์เชิงเส้น
รูปแบบของการวิเคราะห์เชิงเส้นเลือนได้รับอย่างมากมาย
การตรวจสอบโดยนักวิจัยหลายคน รุ่นแรก
เสนอโดยทานากะเอตอัล [10] โดยมีวัตถุประสงค์เพื่อการลดเลือน
เป็นเกณฑ์ที่เหมาะสม
วิธีการได้รับการพัฒนาต่อไปโดยการลดการแพร่กระจายรวมของการส่งออก
[11] [12], [13] ในปี 2005 ช้างและ ayyub
[14] เสนอวิธีการใหม่เป็นส่วนขยายของทานากะ
et al, วิธีการโดยการแนะนำรูปแบบการเขียนโปรแกรมเชิงเส้น
เพื่อลดการแพร่กระจายของรูปแบบ ในรูปแบบของพวกเขาและช้าง
ayyub [14] ให้การตีความเปิดเกณฑ์
ระดับเอชในการแก้การเขียนโปรแกรมเชิงเส้นโดยผ่าน
โดยพลการของเอช∈ [0,1] เพื่อสิทธิของผู้มีอำนาจตัดสินใจ
ดูเหมือนว่าทางเลือกของชั่วโมงและผลการคาดการณ์
ประสิทธิภาพก็ไม่ได้พูด การตัดสินใจในการเลือกค่า
เกณฑ์ที่เหมาะสมได้มีความคิดริเริ่ม
จำเป็นสำหรับการสำรวจผลกระทบต่อประสิทธิภาพการทำงานของแบบจำลองการพยากรณ์
จะมีการตั้งสมมติฐานว่ารูปแบบของเอช
อาจนำไปสู่​​รูปแบบที่มีประสิทธิภาพ
ค่าของ 'เอช' จะเรียกว่าเกณฑ์
ค่าระหว่างรูปแบบการถดถอยเลือน
โดยประมาณและการเก็บรวบรวมข้อมูลซึ่งทำให้การกำหนดช่วงของการกระจาย
ความเป็นไปได้ของพารามิเตอร์เลือน [15]
ตั้งแต่ชั่วโมงเป็นส่วนตัวเลือกโดยการตัดสินใจเป็น
เข้ากับรูปแบบการเลือกค่าที่เหมาะสมเป็นสิ่งสำคัญในการ
ถดถอยเลือน [15] ค่าชั่วโมงที่ใช้ในการวิจัยก่อนหน้านี้
แตกต่างกันตั้งแต่ 0-0.9
ทานากะและ Watada [16] ชี้ให้เห็นว่าการเลือก
ค่าชั่วโมงจะขึ้นอยู่กับความพอเพียง (ขนาดของกลุ่มตัวอย่าง)
ของข้อมูลที่มีการตั้งค่า ชุดชั่วโมง = 0 เ​​มื่อข้อมูลที่ตั้งไว้
จะมีขนาดเล็กเมื่อเทียบกับบางขนาดที่เหมาะ แต่
savic และ pedrycz [17] แนะนำว่าค่าชั่วโมง
ไม่เกิน 0.9 bardossy ตอัล [18] ชี้ให้เห็นว่า
เลือกค่าชั่วโมงขึ้นอยู่กับความเชื่อการตัดสินใจ
ผู้ผลิตในรูปแบบโดยทั่วไปแนะนำ
ค่าระหว่าง 0.5-0.7 ชั่วโมง ในวรรณคดีบาง
เช่น heshmathy & kandel [12]. และทานากะ, et al,
[10] จะใช้ชั่วโมง = 0.5 อย่างต่อเนื่อง สิ่งที่ทำให้นี้
เทคนิคที่น่าสนใจเป็นรูปแบบการดำเนินงานเป็นอย่างมาก
ขึ้นอยู่กับค่าชั่วโมง ค่าชั่วโมงจะถูกเลือกโดยพล
โดยผู้มีอำนาจตัดสินใจเป็นอินพุทแบบ
ขึ้นอยู่กับสถานที่เหล่านี้บทความนี้มุ่งมั่นที่จะจำลอง
ข้อมูลอุบัติเหตุบนท้องถนนมาเลเซียโดยใช้การคำนวณ
เครื่องมือของการถดถอยเชิงเส้นเลือนด้วยเกณฑ์ชั่วโมง = 0.5, และ 0.9
ต่อมาผลการดำเนินงานของทั้งสองรุ่นเป็น
ยังตรวจสอบ กระดาษนี้ได้รับการจัดอยู่ในวิธีการดังต่อไปนี้
ส่วน ii อธิบายเชิงเส้นเลือน



การคำนวณการศึกษาครั้งนี้กำหนดไว้สามตัวแปรสำคัญที่มีผลต่อ
จำนวนรวมของรา ตัวแปรอธิบายแสดง
ในรูปแบบที่เป็นยานพาหนะท​​ี่จดทะเบียน (RV), ความยาวถนน
(RL) และจำนวนประชากร (ปอ) สามตัวแปรที่สำคัญเหล่านี้
ได้รับมอบหมายให้เป็นตัวแปรที่เป็นอิสระและเป็นรา
ตัวแปรตาม ข้อมูลทางประวัติศาสตร์ของรา, RV RL
ปอและจากปี 1974 ถึง 2007 ได้รับการว่าจ้างให้เป็น
ป้อนข้อมูล
ตัวแปรของรูปแบบมีตำแหน่งในลักษณะดังกล่าว
ว่ามันตอบสนองความต้องการของความเป็นเชิงเส้น ความสัมพันธ์
สัมประสิทธิ์ของตัวแปรที่จะถูกคำนวณสำหรับแต่ละ
ตัวแปรอธิบายแยกต่างหากในการสั่งซื้อเพื่อตรวจสอบ
ตัวแปรแบบที่ดีที่สุดระหว่างตัวแปรเหล่านี้ ความแข็งแรงของ
ความสัมพันธ์ระหว่างตัวแปรที่จะนำเสนอในตารางฉัน
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
พัฒนาแบบจำลองการคาดการณ์อุบัติเหตุกลาง
50 เส้นทางโดยวิเคราะห์การถดถอยเชิงเส้นหลาย
Bener และ Crundall [9] ประเมินแนวโน้มของถนน
จราจรปัญหาอุบัติเหตุในสหรัฐอาหรับเอมิเรตส์
และ เพื่อเปรียบเทียบแนวโน้มเหล่านี้กับประเทศตะวันตกอื่น ๆ
เช่นสหรัฐอเมริกา และสหราชอาณาจักร และประเทศประเทศเช่น
กาตาร์ วิเคราะห์การถดถอยเชิงเส้นหลายถูก
ดำเนินการเพื่อกำหนดจำนวนประตูสำหรับผู้ต่อ
10000 คัน
กับพัฒนาใหม่ของทฤษฎีเอิบ,
ทานากะ et al. [10] แนะนำการถดถอยเชิงเส้นใหม่
รูปแบบ โดยรวมกับตัวเลขที่ชัดเจน แม้มีการ
ดำรงอยู่นานของเอิบถดถอยเชิงเส้น วิธีนี้
ไม่เคยได้รับการทดสอบข้อมูลที่ RA ทำนายเชิงเส้น
รุ่น regressions เอิบเชิงเส้นได้รับเสมือน
ตรวจสอบ โดยนักวิจัยจำนวนมาก รุ่นแรก
เสนอโดยทานากะ et al [10] มีวัตถุประสงค์เพื่อ
ลด fuzziness เป็นเงื่อนไขเหมาะสมที่สุด วิธี
ถูกพัฒนาเพิ่มเติม โดยลดการแพร่กระจายรวมของ
ผลลัพธ์ [11], [12], [13] ในปี 2005 ช้างและ Ayyub
[14] เสนอวิธีใหม่เป็นส่วนขยายของทานากะ
et al วิธีของ โดยการแนะนำเชิงเขียนรุ่น
เพื่อลดการแพร่กระจายของแบบจำลอง ในรูปแบบของพวกเขา ช้าง และ
Ayyub [14] ให้ความเปิดของขีดจำกัด
h ในการแก้ปัญหาโปรแกรมเชิงเส้นโดยผ่านระดับ
อำเภอใจของ h ∈ [0,1] การอำนาจของผู้ตัดสินใจ
เหมือนตัว h และลักษณะพิเศษของการ
พยากรณ์ประสิทธิภาพถูก unspoken การตัดสินใจใน
เลือกค่าขีดจำกัดด้านขวามี heightened การ
จำเป็นสำหรับการสำรวจมีผลต่อประสิทธิภาพของการ
แบบจำลองการคาดการณ์ จะตั้งสมมติฐานว่าที่รูปแบบของ h
อาจนำไปสู่ประสิทธิภาพรูปแบบได้
ค่าของ 'h' จะเรียกว่าขีดจำกัด
ค่าระหว่างแบบจำลองถดถอยชัดเจนประเมิน และ
ข้อมูลรวบรวม ซึ่งกำหนดช่วงของดัง
การกระจายโอกาสของพารามิเตอร์เอิบ [15]
เนื่องจาก h subjectivity เลือกตัดสินเป็นการ
เข้ากับรูปแบบ การเลือกค่าที่เหมาะสมคือ
สำคัญถดถอยชัดเจน [15] ใช้ค่า h
วิจัยก่อนหน้าแตก ตั้งแต่ 0 ถึง 0.9
ทานากะและ Watada [16] แนะนำที่เลือก
ค่า h จะตามพอเพียง (จิ๋ว)
ของชุดข้อมูลพร้อมใช้งาน ตั้งค่า h = 0 เมื่อกำหนดข้อมูล
กลายเป็นเมื่อเปรียบเทียบกับบางขนาดพักขนาดเล็ก อย่างไรก็ตาม,
Savic และ Pedrycz [17] แนะนำที่ค่า h
ไม่เกิน 0.9 Bardossy et al. [18] แนะนำที่
เลือกของค่า h เป็นการตัดสินใจขึ้น
ความเชื่อของผู้ผลิตในรุ่น โดยทั่วไปแนะนำตัว
h ค่าระหว่าง 0.5-0.7 ในวรรณคดีบาง สำหรับ
ตัวอย่าง Heshmathy & Kandel, [12], และทานากะ et al.,
[10] ถูกใช้อย่างสม่ำเสมอ h = 0.5 สิ่งที่ทำให้นี้
เทคนิคที่น่าสนใจคือประสิทธิภาพการทำงานของแบบจำลองมาก
ขึ้นอยู่กับค่า h เลือกค่า h
โดยผู้ตัดสินใจเป็นการป้อนข้อมูลลงในแบบโดยพลการไม่
ตามสถานที่เหล่านี้ กระดาษนี้มีรุ่น
ข้อมูลอุบัติเหตุถนนมาเลเซียโดยใช้การคำนวณ
มือของการถดถอยเชิงเส้นพร่าเลือนด้วยขีดจำกัด h = 0.5 และ
0.9 ในเวลาต่อมา คือประสิทธิภาพของ
ยัง ตรวจสอบ กระดาษนี้มีขบวนการในการ
ตามวิธีการ ส่วนที่สองอธิบายที่พร่าเลือนเส้น


หนึ่ง
ศึกษาออกสามตัวแปรสำคัญกระทบการ
จำนวน RA. ตัวแปรอธิบายด่วน
แบบมีทะเบียนยานพาหนะ (RV), ถนนยาว
(RL) และประชากร (PO) ตัวแปรหลักทั้งสาม
กำหนดเป็นตัวแปรอิสระและ RA เป็น
ขึ้นอยู่กับตัวแปร ข้อมูลประวัติของ RL RA, RV
และ PO จากปี 1974-2550 ได้รับการว่าจ้างเป็น
ป้อนข้อมูล
ตัวแปรของแบบจำลองถูกวางวิธี
ที่ครบถ้วนความต้องการของแบบดอกไม้ ความสัมพันธ์
สัมประสิทธิ์ของตัวแปรคำนวณสำหรับแต่ละ
อธิบายตัวแปรแยกต่างหากเพื่อกำหนด
ส่วนพอดีกับตัวแปรระหว่างตัวแปรเหล่านี้ ความแข็งแรงของ
ความสัมพันธ์ระหว่างตัวแปรที่แสดงในตารางผม
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
พัฒนารูปแบบการทำนายการเกิดอุบัติเหตุของสหพันธ์
Route 50 โดยใช้การวิเคราะห์ตามแนวยาวหลายคน
bener และ crundall [ 9 ]ได้รับการประเมินแนวโน้มของปัญหาเกิดอุบัติเหตุบนท้องถนน
การจราจรในสหรัฐอาหรับเอมิเรตส์ที่
และเพื่อทำการเปรียบเทียบแนวโน้มเหล่านี้พร้อมด้วยอื่นๆตามแบบตะวันตกประเทศ
เช่นสหรัฐอเมริกาและสหราชอาณาจักรและก็ยังเป็นประเทศเพื่อนบ้านเช่น
กาตาร์ การวิเคราะห์ตามแนวยาวหลายคนเป็นสัญลักษณ์
ทำการตรวจสอบตัวทำนายสำหรับ fatalities ต่อ
10 , 000 คัน
ด้วยการพัฒนาใหม่ของทฤษฎีทำงานด้วยระบบ Fuzzy Logic
tanaka et al . [ 10 ]แนะนำรุ่น( Log
ตามแนวยาวใหม่โดยสามารถผนวกรวมกับหมายเลขทำงานด้วยระบบ Fuzzy Logic แม้ว่าจะมี
ยาวการดำรงอยู่ของสหสัมพันธ์เชิงเส้นแนวนอนทำงานด้วยระบบ Fuzzy Logic วิธีนี้
ไม่เคยได้รับการทดสอบกับข้อมูล RA การทำนายตามแนวยาว
รุ่นของด้านค่าจ้างตามแนวยาวทำงาน Fuzzy Logic อัจฉริยะแห่งระบบหุงได้รับการอย่างมหาศาล
ได้รับการรับรองจากนักวิจัยจำนวนมาก รุ่นแรกที่
ที่เสนอโดย tanaka et al [ 10 ]โดยมีวัตถุประสงค์เพื่อการ
ลด fuzziness เป็นเกณฑ์ได้ดีที่สุด วิธีการที่
นั้นได้รับการพัฒนาขึ้นโดยการลดการแพร่ระบาดรวมของเอาต์พุต
[ 11 ][ 12 ]เพิ่มเติม[ 13 ] ในปี 2005 ช้างและ ayyub
[ 14 ]ที่เสนอวิธีการใหม่เป็นการขยายของวิธีการ Al tanaka
เอ็ดโดยการแนะนำรุ่นการตั้งโปรแกรมตามแนวยาว
เพื่อลดกระจายตัวอยู่ในรุ่นนี้ ในรุ่นของช้างและ
ayyub [ 14 ]ให้การตีความแบบเปิดโล่งของเกณฑ์ขั้นต่ำ
ระดับสูงในการแก้ไขการตั้งโปรแกรมตามแนวยาวโดยผ่าน
ตาม อำเภอ ใจของ H ∈[ 0,1 ]เพื่อพระมหากษัตริย์ทรงไว้ซึ่งพระราชอำนาจในการตัดสินใจ
มีมุมมองคล้ายกับตัวเลือกของชั่วโมงและส่งผลกระทบต่อการเพิ่ม ประสิทธิภาพ
การประมาณการที่เป็นไม่ได้พูด การตัดสินใจในการเลือกค่าเกณฑ์ขั้นต่ำ
ทางด้านขวาที่มีมากขึ้น
ความต้องการสำหรับการสำรวจผลของมันในการเพิ่ม ประสิทธิภาพ ของรุ่น
การประมาณการได้. เป็น hypothesized ที่แตกต่างกันของ H
อาจมีผลต่อ ประสิทธิภาพ ของรุ่นนี้
มูลค่าของ' H 'จะถูกอ้างถึงในชื่อรุ่นของเกณฑ์ขั้นต่ำ
ค่าระหว่าง( Log ทำงานด้วยระบบ Fuzzy Logic โดยประมาณและ
ข้อมูลที่เก็บรวบรวมได้ซึ่งจะเป็นตัวกำหนดว่าจะช่วงของการเผยแพร่ความเป็นไปได้
ของพารามิเตอร์ Fuzzy Logic ที่[ 15 ]
นับตั้งแต่ H เป็นอัตวิสัยที่เลือกโดยผู้ตัดสินใจเป็น
อินพุตให้กับรุ่นที่ทางเลือกของความคุ้มค่าที่เหมาะสมได้
สำคัญใน Fuzzy Logic ( Log [ 15 ] ค่าชั่วโมงที่ใช้ใน
การวิจัยก่อนหน้าแตกต่างกันไปตั้งแต่ 0 ถึง 0.9
tanaka และ watada [ 16 ]ที่แนะนำว่าการเลือกของค่าชั่วโมง
จะขึ้นอยู่กับเศรษฐกิจพอเพียง(ตัวอย่าง)
ของข้อมูลที่มีอยู่ ตั้งค่า H = 0 เมื่อมีข้อมูลที่ตั้งค่าสัญลักษณ์
จะมีขนาดเล็กกว่าเมื่อเทียบกับขนาดที่เหมาะสมที่สุดบางส่วน แต่ถึงอย่างไรก็ตาม
savic และ pedrycz [ 17 ]ขอแนะนำให้ค่าชั่วโมงที่
ไม่เกิน 0.9 bardossy et al . [ 18 ]ที่แนะนำว่า
ทางเลือกของค่าชั่วโมงที่ได้ขึ้นอยู่กับการตัดสินใจ
เครื่องชงของความเชื่อในรุ่นที่แนะนำโดยทั่วไปแล้วค่า
h ระหว่าง 0.5 ถึง 0.7 ในเอกสารบางอย่างสำหรับ
ตัวอย่างเช่น heshmathy & kandel [ 12 ]และ tanaka et al .
[ 10 ]จะถูกใช้อย่างต่อเนื่อง H = 0.5 สิ่งที่ทำให้โรงแรมแห่งนี้
เทคนิคที่ดึงดูดใจเป็นรุ่นที่มี ประสิทธิภาพ การทำงานหนัก
ทั้งนี้ขึ้นอยู่กับค่าชั่วโมง ค่าชั่วโมงที่มีการเลือก
ชี้ขาดโดยการตัดสินใจเป็นอินพุตไปยังรุ่นที่
ตามสถานที่เหล่านี้เอกสารนี้มีเจตนาที่จะรุ่นข้อมูล
มาเลเซียถนนเกิดอุบัติเหตุการใช้เครื่องมือนวัตกรรม
ของสหสัมพันธ์เชิงเส้นแนวนอนทำงาน Fuzzy Logic อัจฉริยะแห่งระบบหุงด้วยค่า H = 0.5 และ
0.9ต่อมา ภายหลัง การทำงานของทั้งสองรุ่นที่จะตรวจสอบ
ยัง เอกสารนี้ได้รับการจัดให้มีขึ้นในทาง
ต่อไปนี้: ส่วน II จะอธิบายถึงลักษณะที่ทำงานด้วยระบบ Fuzzy Logic


การคำนวณ
การศึกษานี้ให้ตั้งค่าออกมาได้สามตัวแปรที่สำคัญส่งผลกระทบต่อจำนวน
ของกงหรา. ตัวแปรอธิบาย Express
ในรุ่นที่มีรถจดทะเบียน(รถ RV )ถนนความยาว
( RL )และประชากร( PO ) สามหลักตัวแปร
เหล่านี้ได้รับมอบหมายให้รับผิดชอบเป็นกงหราและตัวแปรและ
ตัวแปรขึ้นอยู่กับ ข้อมูลทางประวัติศาสตร์ของกงหรารถ RV RL
และใบสั่งซื้อจากปีที่แล้ว 1974 ถึง 2007 คนเป็นข้อมูล
อินพุต ตัวแปร
ของรุ่นที่อยู่ในตำแหน่งในทางใดก็ทาง
ว่ามันสอดคล้องต่อความต้องการของแนวนอน. ความสัมพันธ์ coefficients
ของตัวแปรจะถูกคำนวณสำหรับแต่ละ
การอธิบายได้แยกต่างหากในการสั่งซื้อในการกำหนดสัญลักษณ์
สิ่งที่ดีที่สุดกับตัวแปรท่ามกลางตัวแปรนี้ ความแข็งแกร่งของ
ความสัมพันธ์ระหว่างตัวแปรที่มีอยู่ในตารางผม
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: