Actually the NIR method tends to pe

Actually the NIR method tends to perform best when the constituent range is not extreme, so the model with data for two years has a somewhat lower precision than the model with data for one year.

The previous protein models using data for one year developed by Delwiche et al (1995) and Barton et al (2000) resulted in an SEP of 0.107% using 16 factors (range of 5–10%) and SECV of 0.14% (range of 7.03–10%), respectively.

ผลลัพธ์ (ไทย) 1:

จริง วิธี NIR มีแนวโน้มทำดีที่สุดเมื่อช่วงแฟ้ม ๆ ไม่มาก ดังนั้นแบบจำลองกับข้อมูลปีที่สองมีความแม่นยำค่อนข้างต่ำกว่ารูปแบบที่มีข้อมูลสำหรับหนึ่งปีรูปแบบโปรตีนก่อนหน้านี้ใช้ข้อมูลปีเดียวที่พัฒนา โดย Delwiche et al (1995) และบาร์ตัน et al (2000) ส่งผลให้ในการกันยายน 0.107% โดยใช้ปัจจัย (ช่วง 5 – 10%) และ SECV 0.14% (ช่วงของ 7.03-10%), 16 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

ที่จริงวิธีการ NIR มีแนวโน้มที่จะทำงานได้ดีที่สุดเมื่อช่วงร่างรัฐธรรมนูญไม่ได้มากดังนั้นรูปแบบที่มีข้อมูลเป็นเวลาสองปีมีความแม่นยำค่อนข้างต่ำกว่ารุ่นที่มีข้อมูลเป็นเวลาหนึ่งปี. รุ่นโปรตีนก่อนหน้าโดยใช้ข้อมูลเป็นเวลาหนึ่งปีที่พัฒนาโดย Delwiche et al, (1995) และบาร์ตัน, et al (2000) ส่งผลให้กันยายนของ 0.107% โดยใช้ปัจจัย 16 (ช่วง 5-10%) และ SECV 0.14% (ช่วงของ 7.03-10%) ตามลำดับ

ผลลัพธ์ (ไทย) 3:

จริงๆแล้ววิธี NIR มีแนวโน้มที่จะดำเนินการที่ดีที่สุดเมื่อช่วงองค์ประกอบไม่สุดโต่ง เพื่อให้โมเดลกับข้อมูลสำหรับสองปีมีความแม่นยำค่อนข้างต่ำกว่าแบบจำลองกับข้อมูลหนึ่งปี

รุ่นก่อนหน้าโดยใช้ข้อมูลจากหนึ่งปีพัฒนาโดย delwiche et al ( 1995 ) และบาร์ตัน et al ( 2000 ) ผลของการใช้ปัจจัย 16 ก.ย. 0.107 % ( ช่วง 5 - 10 % ) และ secv ของ 014 % ( ช่วง 7.03 และ 10 ตามลำดับ