Results and DiscussionFitting the r

Results and Discussion
Fitting the response surface models: In this study, multiple
regression analyses were carried out using response surface
analysis to (1) determine regression coefficients and statistical
significance of model terms and fitting (2) the mathematical
models to the experimental data, aiming at and overall optimal
region for the response variables 31. Lasekan and Abbas 35
demonstrated that the response surface analysis allows the
development of an empirical relationship where each response
(Yi) was assessed as a function of time (X1), temperature (X2) and
loading capacity (X3) and predicted as the sum of constant (bo),
three first-order effects (linear terms in X1, X2 and X3), three
interaction effects (interactive terms in X1X2, X1X3 and X2X3) and
three second-order effects (quadratic terms in X1
2, X2
2 and X3
2).
The estimated regression coefficient of response surface models
with the corresponding R2 values and lack of fit test are reported
in Table 3. The R2 values for these response variables were between
0.315 and 0.928. It can be seen from Table 3 that the regression
models for the response variables were significant by the test at
the 5% confidence level (p

ผลลัพธ์ (ไทย) 1:

ผลและการอภิปรายแบบจำลองพื้นผิวตอบสนองที่เหมาะสม: ในการศึกษานี้ หลายดำเนินการวิเคราะห์ถดถอยโดยการใช้พื้นผิวตอบสนองวิเคราะห์เพื่อ (1) ตรวจสอบค่าสัมประสิทธิ์การถดถอย และสถิติความสำคัญของข้อกำหนดรูปแบบและเหมาะสม (2) ในทางคณิตศาสตร์แบบจำลองข้อมูลทดลอง เล็งที่ และดีที่สุดโดยรวมภูมิภาคสำหรับตัวแปรตอบสนอง 31 Lasekan และอับบาส 35แสดงให้เห็นว่า การวิเคราะห์พื้นผิวตอบสนองให้การการพัฒนาความสัมพันธ์เชิงประจักษ์ที่ตอบสนองแต่ละรับการประเมิน (Yi) เป็นฟังก์ชันของเวลา (X1) อุณหภูมิ (X2) และโหลดกำลังการผลิต (X 3) และคาดการณ์เป็นผลรวมของค่าคง (บ่อ),สามลำดับแรกผล (ข้อกำหนดเชิงเส้นใน X1, X2 และ X3) สามผลปฏิสัมพันธ์ (โต้ตอบเงื่อนไขใน X1 X 2, X 1 X 3 และ X2 X 3) และผลสั่งสองสาม (กำลังสองเงื่อนไขใน X12, X22 และ X32)ค่าสัมประสิทธิ์ถดถอยที่ประเมินของแบบจำลองพื้นผิวตอบสนองR2 ที่สอดคล้องกับ ค่านิยมและขาดของรายงานในตารางที่ 3 ค่า R2 ของตัวแปรเหล่านี้ตอบสนองได้ระหว่าง0.315 และ 0.928 จะเห็นได้จากตารางที่ 3 ซึ่งการถดถอยสำหรับตัวแปรตอบสนองได้ โดยการทดสอบที่สำคัญระดับความเชื่อมั่น 5% (p < 0.05) ผลลัพธ์แสดงว่าการรุ่นสุดท้ายลดลงได้อย่างมีนัยสำคัญ (p < 0.05) ตกแต่งทั้งหมดศึกษาตัวแปรตอบสนอง คือน้ำเนื้อหา ความชื้นกิจกรรม เนื้อ สี L และสี มีทั้งสี-b (ตาราง3) . แล้วก็ไม่มีนัยสำคัญ (p > 0.05) ขาดความพอดีสำหรับการถดถอยรุ่นที่ติดตั้งสำหรับการตอบทั้งหมด ผลลัพธ์เหล่านี้แนะนำที่นี้รูปแบบอย่างเพียงพอเหมาะสมกับข้อมูลถูกใช้เพื่อประเมินความดีของ fit, ANOVAวิเคราะห์ผลได้รับ เพียงพบเงื่อนไขอย่างมีนัยสำคัญ (p < 0.05)ถูกรวมอยู่ในแบบจำลองลดลงสุดท้าย Eq. 2 7 พบว่าอธิบายรูปแบบได้รับการทำนายตัวแปรตอบสนองผลกระทบหลักของกำลังสองและปฏิสัมพันธ์ของปัจจัยที่ส่งผลกระทบต่อการตัวแปรตอบสนอง ดังแสดงในตารางที่ 3 สัญลักษณ์ และขนาดของสัมประสิทธิ์แสดงผลของตัวแปรในการการตอบสนอง ดังกล่าว โดยโรง et al. 30 และ Lasekan etal. 20 สัมประสิทธิ์ติดลบหมายถึง การลดลงของการตอบสนองเมื่อ

ผลลัพธ์ (ไทย) 2:

ผลลัพธ์และการอภิปราย
กระชับแบบจำลองพื้นผิวตอบสนอง: ในการศึกษานี้หลาย
วิเคราะห์การถดถอยได้ดำเนินการโดยใช้พื้นผิวตอบสนอง
การวิเคราะห์เพื่อ (1) กำหนดค่าสัมประสิทธิ์การถดถอยและสถิติที่
สำคัญของแง่รูปแบบและเหมาะสม (2) คณิตศาสตร์
รุ่นให้ข้อมูลการทดลองเล็ง ที่ดีที่สุดและโดยรวมของ
ภูมิภาคสำหรับตัวแปรตอบสนอง 31. Lasekan และอับบาส 35
แสดงให้เห็นว่าการวิเคราะห์พื้นผิวตอบสนองจะช่วยให้
การพัฒนาของความสัมพันธ์เชิงประจักษ์ที่แต่ละการตอบสนอง
(Yi) ได้รับการประเมินเป็นฟังก์ชั่นของเวลา (X1) อุณหภูมิ (x2) และ
ความจุโหลด (X3) และคาดการณ์เป็นผลรวมของค่าคงที่ (บ่อ) ที่
สามผลกระทบลำดับแรก (แง่เชิงเส้นใน X1, X2 และ X3) สาม
อิทธิพลปฏิสัมพันธ์ (เงื่อนไขการโต้ตอบใน X1X2, X1X3 และ X2X3) และ
สามลำดับที่สอง ผลกระทบ (แง่กำลังสองใน X1
2 X2
ที่ 2 และ X3
2).
ค่าสัมประสิทธิ์การถดถอยประมาณของแบบจำลองพื้นผิวตอบสนอง
กับการที่สอดคล้องค่า R2 และขาดการทดสอบแบบที่มีการรายงาน
ในตารางค่า 3. R2 สำหรับตัวแปรตอบสนองเหล่านี้อยู่ระหว่าง
0.315 และ 0.928 มันสามารถเห็นได้จากตารางที่ 3 ที่ถดถอย
แบบจำลองสำหรับตัวแปรการตอบสนองอย่างมีนัยสำคัญโดยการทดสอบที่
ระดับความเชื่อมั่น 5% (p <0.05) ผลแสดงว่า
สุดท้ายลดลงรุ่นอย่างมีนัยสำคัญ (p <0.05) พอดีสำหรับทุก
ตัวแปรตอบสนองต่อการศึกษาคือความชื้นน้ำ
กิจกรรมเนื้อสี-L และสีเช่นเดียวกับสี-B (ตารางที่
3) ไม่ได้มีนัยสำคัญ (p> 0.05) การขาดความเหมาะสมสำหรับการถดถอย
รุ่นติดตั้งสำหรับการตอบสนองทุก ผลลัพธ์เหล่านี้ชี้ให้เห็นว่า
รูปแบบที่เหมาะกับความเพียงพอของข้อมูล.
เพื่อที่จะประเมินความดีของพอดี ANOVA ถูกใช้ในการ
วิเคราะห์ผลที่ได้รับ แง่พบเพียงอย่างมีนัยสำคัญ (p <0.05)
ถูกรวมอยู่ในรูปแบบที่ลดลงเป็นครั้งสุดท้าย อีคิว 2-7 แสดงให้เห็นว่า
รูปแบบที่ได้รับการคาดการณ์สำหรับตัวแปรตอบสนองอธิบาย
หลักของผลกระทบที่กำลังสองและการมีปฏิสัมพันธ์ของปัจจัยที่มีผลต่อ
ตัวแปรตอบสนอง ดังแสดงในตารางที่ 3 เข้าสู่ระบบและขนาด
ของสัมประสิทธิ์บ่งชี้ผลกระทบของตัวแปรในการ
ตอบสนอง ดังกล่าวโดยกอเมอรีอัลเอต 30 และ Lasekan et
al, 20 ค่าสัมประสิทธิ์เชิงลบหมายความว่าลดลงในการตอบสนองเมื่อ

ผลลัพธ์ (ไทย) 3:

ผลและการอภิปรายการตอบสนองที่พื้นผิวโมเดล : ในการศึกษานี้ หลาย ๆการวิเคราะห์การถดถอยโดยใช้พื้นผิวตอบสนองคือเพื่อ ( 1 ) ศึกษา วิเคราะห์การถดถอยและสถิติความสำคัญของข้อตกลงแบบกระชับ ( 2 ) คณิตศาสตร์แบบจำลองข้อมูลการเล็งและโดยรวมที่ดีที่สุดภูมิภาคสำหรับการตอบสนองตัวแปร 31 lasekan Abbas 35 และแสดงให้เห็นว่าการวิเคราะห์พื้นผิวตอบสนองช่วยให้การพัฒนาความสัมพันธ์เชิงประจักษ์ที่การตอบสนอง( อี ) คือการประเมินเป็นฟังก์ชันของเวลา ( x1 ) อุณหภูมิ ( X2 ) และขนาดความจุ ( x3 ) และคาดการณ์เป็นผลรวมของค่าคงที่ ( โบ )สามลำดับแรก ( เส้นที่มีเงื่อนไขใน x1 , x2 กับ x3 ) , สามปฏิสัมพันธ์ ( Interactive และเงื่อนไขใน x1x2 x1x3 , x2x3 ) และสามอันดับที่สอง ผล ( เงื่อนไขใน X1 กำลังสอง2 , ครอสทู2 และ 32 )การประมาณค่าสัมประสิทธิ์ของแบบจำลองพื้นผิวตอบสนองที่สอดคล้องกับค่า R2 และขาดการทดสอบพอดีมีรายงานตารางที่ 3 R2 ค่าสำหรับตัวแปรตอบสนองเหล่านี้ระหว่าง0.315 0.928 และ . มันสามารถเห็นได้จากตารางที่ 3 ว่า การถดถอยแบบจำลองการตอบสนองตัวแปรสำคัญ โดยทดสอบที่5 % ที่ระดับความเชื่อมั่นทางสถิติ ( P < 0.05 ) ผลการวิจัยพบว่ารุ่นสุดท้ายลดลงอย่างมีนัยสำคัญทางสถิติ ( P < 0.05 ) การติดตั้งทั้งหมดการตอบสนองตัวแปรที่ศึกษา ได้แก่ ความชื้น น้ำกิจกรรม , เนื้อ , colour-l และ colour-a รวมทั้ง colour-b ( ตาราง3 ) มีไม่แตกต่างกัน ( P > 0.05 ) สำหรับการขาดพอดีรุ่นที่ติดตั้งสำหรับการตอบสนอง ผลลัพธ์เหล่านี้ชี้ให้เห็นว่ารูปแบบอย่างเพียงพอเหมาะสมกับข้อมูลเพื่อประเมินความสอดคล้องการวิเคราะห์ความแปรปรวน ( ANOVA ) ใช้วิเคราะห์ผลที่ได้ เงื่อนไขเดียวอย่างมีนัยสำคัญ ( p < 0.05 ) และพบถูกรวมอยู่ในรอบสุดท้ายลดแบบ อีคิว 2 7 พบว่ารุ่นที่ได้รับการคาดการณ์สำหรับการตอบสนองตัวแปรอธิบายการกำลังสองและปฏิสัมพันธ์ของปัจจัยที่ส่งผลต่อผลหลักตัวแปรตอบสนอง ดังแสดงในตารางที่ 3 สัญญาณและขนาดแสดงผลของค่าของตัวแปรในการตอบสนอง ดังกล่าว โดย Montgomery et al . 30 และ lasekan และอัล 20 , ค่าลบหมายถึงการลดลงในการตอบสนองเมื่อ