The calculated fitting parameters a

The calculated fitting parameters and Akaike values for the different
models are provided in Table 1, together with the Akaike criterion
differences. Since a lower Akaike criterion value suggests a
model with higher statistical quality, positive numbers favour
the linear model while negative numbers favour the pore inactivation
model. On average, the linear model describes the experimental
data slightly better, due to the fact that the linear model has
only one fitting parameter. Another factor is that most data points
are in the linear part of the oil uptake vs. water loss, which is best
described by the linear model. Indeed, the linear model seems to
especially fit the 8.5 mm data sets very well, and, as mentioned
before, the maximum evaporation rate is reached sooner with thinner
fries and higher temperature. Since the sampling times are the
same, this also means that more data points are in the linear part of
the graph. However, the pore inactivation model better explains
the initially slow increase of oil uptake and its fitting parameter (K) has physical meaning, which is not so for the Smax in the linear
model.

ผลลัพธ์ (ไทย) 1:

พารามิเตอร์การคำนวณได้เหมาะสมและ Akaike ค่าที่แตกต่างกันรุ่นมีในตารางที่ 1 กับเกณฑ์ Akaikeความแตกต่าง ตั้งแต่ค่าต่ำกว่าเกณฑ์ Akaike แนะนำตัวรูปแบบ มีคุณภาพสถิติสูง บวกโปรดปรานแบบเชิงเส้นในขณะที่ตัวเลขลบโปรดปรานยกเลิกการเรียกรูขุมขนแบบจำลอง โดยเฉลี่ย แบบเชิงอธิบายการทดลองข้อมูลเล็กน้อยดี เนื่องจากข้อเท็จจริงที่ว่ามีรูปแบบเชิงเส้นเหมาะสมแต่ละพารามิเตอร์ ปัจจัยอื่นคือ ข้อมูลจุดในส่วนเชิงเส้นของการดูดซับน้ำมันเทียบกับการสูญเสียน้ำ ที่ดีสุดอธิบาย โดยใช้แบบจำลองเชิงเส้น จริง แบบจำลองเชิงเส้นเหมือนโดยเฉพาะอย่างยิ่งกับชุดข้อมูล 8.5 มม.ดี และ ตามที่กล่าวไว้ก่อน อัตราการระเหยสูงสุดถึงเร็ว ด้วยทินเนอร์ฟรายส์และอุณหภูมิสูง ตั้งแต่เวลาสุ่มตัวอย่างเดียว นี้ยังหมายความ ว่า จุดข้อมูลเพิ่มเติมในส่วนของเส้นตรงกราฟ อย่างไรก็ตาม แบบยกเลิกการเรียกรูขุมขนดีกว่าอธิบายเพิ่มเริ่มช้าดูดซับน้ำมันและพารามิเตอร์เหมาะสม (K) มีความหมายทางกายภาพ ซึ่งไม่ใช่ใน Smax ในแบบเชิงเส้นแบบจำลอง

ผลลัพธ์ (ไทย) 2:

คำนวณค่าพารามิเตอร์ที่เหมาะสมและค่า Akaike สำหรับที่แตกต่างกัน
แบบจำลองจะระบุไว้ในตารางที่ 1 ร่วมกับเกณฑ์ Akaike
ความแตกต่าง ตั้งแต่ต่ำกว่าค่าเกณฑ์ Akaike แสดงให้เห็น
รูปแบบที่มีคุณภาพทางสถิติที่สูงกว่าตัวเลขบวกสนับสนุนการ
จำลองเชิงเส้นในขณะที่ตัวเลขติดลบสนับสนุนการใช้งานรูขุมขน
รูปแบบ โดยเฉลี่ยแบบจำลองเชิงเส้นอธิบายการทดลอง
ข้อมูลที่ดีกว่าเล็กน้อยเนื่องจากความจริงที่ว่ารูปแบบเชิงเส้นมี
เพียงหนึ่งพารามิเตอร์ที่เหมาะสม ปัจจัยอีกประการหนึ่งก็คือจุดที่ข้อมูลส่วนใหญ่
จะอยู่ในส่วนที่เชิงเส้นของการดูดซึมน้ำมันเมื่อเทียบกับการสูญเสียน้ำซึ่งเป็นที่ที่ดีที่สุด
อธิบายโดยแบบจำลองเชิงเส้น อันที่จริงรูปแบบเชิงเส้นที่ดูเหมือนว่าจะ
พอดีโดยเฉพาะอย่างยิ่งชุดข้อมูล 8.5 มมเป็นอย่างดีและเป็นที่กล่าวถึง
ก่อนอัตราการระเหยสูงสุดเร็วที่มีทินเนอร์
ทอดและอุณหภูมิที่สูงขึ้น ตั้งแต่ครั้งที่มีการสุ่มตัวอย่าง
เดียวกันนี้ก็หมายความว่าจุดข้อมูลมากขึ้นในส่วนของเชิงเส้น
กราฟ อย่างไรก็ตามรูปแบบการใช้งานที่ดีขึ้นรูขุมขนอธิบาย
เพิ่มขึ้นช้าในขั้นต้นของการดูดซึมน้ำมันและพารามิเตอร์ที่เหมาะสมของมัน (K) มีความหมายทางกายภาพที่ไม่เป็นเช่นนั้นสำหรับ Smax ในเชิงเส้น
รูปแบบ

ผลลัพธ์ (ไทย) 3:

ค่าพารามิเตอร์และค่าที่เหมาะสมสำหรับรูปแบบที่แตกต่างกัน
เคราะห์ให้ตารางที่ 1 ร่วมกับเกณฑ์เคราะห์ความแตกต่าง
. ตั้งแต่ต่ำกว่า เกณฑ์เคราะห์ค่าแนะนำ
แบบสูงกว่าสถิติคุณภาพบวก สนับสนุนตัวเลข
โมเดลเชิงเส้นในขณะที่ตัวเลขลบโปรดปรานรูขุมขนทำให้
นางแบบ เฉลี่ย โมเดลเชิงเส้นอธิบายการทดลอง
ข้อมูลดีขึ้นเล็กน้อย เนื่องจากโมเดลเชิงเส้นได้
เพียงหนึ่งปรับพารามิเตอร์ ปัจจัยอื่นคือ ว่า ส่วนใหญ่จุดข้อมูล
ในส่วนของน้ำมัน การใช้เส้นและการสูญเสียน้ำซึ่งเป็นที่ดีที่สุด
อธิบายโดยแบบจำลองเชิงเส้น แน่นอน , แบบจำลองเชิงเส้นดู

โดยเฉพาะพอดี 8.5 มม. ชุดข้อมูลอย่างดี และเป็นที่กล่าวถึง
มาก่อนอัตราการระเหยสูงสุดถึงเร็วด้วยทินเนอร์
มันฝรั่งทอด และอุณหภูมิสูงขึ้น ตั้งแต่ 1 ครั้ง
เดียวกันนี้ยังหมายความ ว่า ข้อมูลเพิ่มเติมในส่วนของ
เชิงเส้นกราฟ อย่างไรก็ตาม รูขุมขนทำให้ดีกว่านี้อธิบาย
เพิ่มขึ้นช้าเริ่มต้นของปริมาณน้ำมันและการปรับค่าพารามิเตอร์ ( k ) มีความหมายทางกายภาพที่ไม่ได้ดังนั้นสำหรับ smax
ในเชิงเส้นนางแบบ