2.4. Growth and reduction signal mo

2.4. Growth and reduction signal modeling
Modeling was done using R packages NLS for parameter estimations
and NLStools for parameter initial value choice and
graphic output. All the processes were embedded in a script to
automate the treatment of raw data. Baranyi model (Baranyi and
Roberts, 1994), the modified Gompertz model (Zwietering et al.,
1990) and the Buchanan model (Buchanan et al., 1997) were
initially fitted. As the growth curve signals after the exponential
growth phase were jagged and led to mismatch for modeling, we
disregarded this portion to improve fitting. In order to determine
the best fit, the Akaike Information Criterion (AIC) was compared
between the models. Results obtained led to identification of the
modified Gompertz model as the best fit. Apparent lag (l*) and
apparent growth rate (m*) estimations were obtained by
modeling.

ผลลัพธ์ (ไทย) 1:

2.4. เจริญเติบโตและลดสัญญาณการสร้างโมเดลทำโมเดล R โดยใช้แพคเกจ NLS สำหรับประมาณพารามิเตอร์และ NLStools สำหรับเลือกค่าเริ่มต้นพารามิเตอร์ และการแสดงผลกราฟิก กระบวนการทั้งหมดถูกฝังอยู่ในสคริปต์การทำให้การรักษาโรคข้อมูลดิบ รุ่น Baranyi (Baranyi และโรเบิร์ต 1994) แก้ไข Gompertz โมเดล (Zwietering et al.,ปี 1990) และรุ่น buchanan ทำยอด (buchanan ทำยอด et al. 1997)ติดตั้งครั้งแรก เป็นสัญญาณเส้นโค้งการเจริญเติบโตหลังจากการชี้แจงขรุขระระยะเจริญเติบโต และนำไปสู่การไม่ตรงกันสำหรับการสร้างโมเดล เราละเลยส่วนนี้เพื่อปรับปรุงการติดตั้ง เพื่อตรวจสอบขนาดที่พอดี เกณฑ์ข้อมูล Akaike (AIC) การเปรียบเทียบระหว่างแบบจำลอง ผลที่ได้รับการระบุของการแก้ไข Gompertz รุ่นที่ดีที่สุดพอดี หน่วงชัดเจน (l *) และประมาณราคา (m *) เจริญเติบโตได้รับโดยชัดเจนการสร้างโมเดล

ผลลัพธ์ (ไทย) 2:

2.4 การเจริญเติบโตและการสร้างแบบจำลองสัญญาณลด
การสร้างแบบจำลองที่ได้กระทำโดยใช้แพคเกจ R NLS สำหรับการประมาณพารามิเตอร์
และ NLStools พารามิเตอร์สำหรับการเลือกค่าเริ่มต้นและ
เอาท์พุทกราฟิก กระบวนการทั้งหมดถูกฝังอยู่ในสคริปต์เพื่อ
อัตโนมัติรักษาข้อมูลดิบ Baranyi Model (Baranyi และ
โรเบิร์ต, 1994) รูปแบบการแก้ไข Gompertz (Zwietering et al.,
1990) และรุ่น Buchanan (Buchanan et al., 1997) ได้รับการ
ติดตั้งครั้งแรก ในฐานะที่เป็นสัญญาณอัตราการเจริญเติบโตหลังจากชี้แจง
ระยะการเจริญเติบโตเป็นหยักและนำไปสู่การไม่ตรงกันสำหรับการสร้างแบบจำลองที่เรา
มองข้ามส่วนนี้ในการปรับปรุงที่เหมาะสม เพื่อตรวจสอบ
แบบที่ดีที่สุดที่ Akaike ข้อมูลเกณฑ์ (AIC) เปรียบเทียบ
ระหว่างรูปแบบ ผลที่ได้รับจะนำไปสู่การระบุ
รูปแบบ Gompertz ปรับเปลี่ยนเป็นแบบที่ดีที่สุด เห็นได้ชัดล่าช้า (L *) และ
อัตราการเจริญเติบโตที่เห็นได้ชัด (m *) ประมาณการที่ได้จาก
การสร้างแบบจำลอง