کانال رگرسیون خطی

ارزیابی مدل رگرسیون خطی ساده

بررسی عددی اثر زهکش طولی در زیر کانال پوشش دار برای کاهش نیروی بالابرنده

اجرای سیستم زهکش زیر پوشش بتنی کانال‌ها جهت کاهش زیرفشار و جلوگیری از شکست، بالا آمدگی یا بروز درز و ترک در پوشش به خصوص در مناطقی که سطح آب زیرزمینی بالا می‌باشد امری ضروری است. زهکش‌ها باعث کاهش زیرفشار در زیر سازه و افزایش پایداری پوشش کانال می‌شوند. موقعیت این زهکش‌ها می‌تواند نقش به سزایی در کاهش نیروی بالابرنده داشته باشد. هدف اصلی از این تحقیق بررسی کمی تاثیر زهکش لوله‌ای در زیر کانال پوشش شده جهت کاهش زیرفشار است که نهایتاً به پایداری پوشش کانال و دوام بیشتر آن کمک می‌کند. برای نیل به این هدف از نرم افزار SEEP/W که متعلق به بسته نرم افزاری Geo-Studio می‌باشد، استفاده شده است. نتایج نشان داد که استفاده از زهکش به عنوان عامل کارساز در حذف و تقلیل آثار سوء آب‌های زیرزمینی می‌تواند مطرح گردد. هم‌چنین هرچه زهکش‌ها در گوشه‌های تحتانی و عمق‌های پایین کف کانال قرار گیرد، سطح ایستابی در موقعیت پایین‌تری نسبت به کف کانال قرار می‌گیرد و به تبع آن نیروی بالابرنده وارده شده کمتر می‌گردد. عمق کارگذاری زهکش‌ها ثابت نبوده بلکه با بالا رفتن سطح ایستابی و کاهش قطر زهکش‌ها به تراز پایین‌تر منتقل می‌گردد و بالعکس. معادلات رگرسیون خطی و غیر خطی برای محاسبه نیروی بالابرنده زیر کانال بدست آمد که طراحان می‌توانند از آنها استفاده نمایند. مقایسه روش عددی تحقیق حاضر با روش آزمایشگاهی نیز انجام گرفت و تطابق نسبتا خوبی بین نتایج را نشان داد.

کلیدواژه‌ها

عنوان مقاله [English]

Numerical investigation of longitudinal drain effect under lined canal on uplift reduction

نویسنده [English]

Construction of drainage system under concrete lined canals for uplift reduction, prevention from failure, heaving or creation of crack in lining is necessary when ground water level is high. Drains lead to reduce the uplift and improve the canal stability. Proper location of these drains can have significant effect on uplift reduction. The purpose of this study is numerical investigation of drains for uplift reduction, which can help to canal durability and life. For this purpose, the SEEP/W software was implemented that is a subgroup of Geo-studio software. Results showed that application of drains under the canal bed can decease/neglect improper effect of ground water level. Installation of drains under the edges of canal bed or in deep depth, causes for higher decreasing in ground water depth, and more reduction in uplift pressure. Drains depth is not constant and increase with increasing ground water level or reduction in drains diameter and vice versa. Linear and nonlinear regression equations were obtained for estimation of uplift pressure that designers can use them. Comparison between numerical results and experimental observations were carried out and showed good agreement.

شاخص برای گزینه های دودویی رگرسیون خطی (خطی رگرسیون شاخص)

LED گزینه های باینری رگرسیون خطی یک راهرو قیمت دارایی مشروط. یک خط مقاومت verhnyaya-، خط حمایت nizhnyaya-: این است که توسط دو خط تشکیل شده است. عرض کانال بستگی به بازه زمانی، که با استفاده از یک زندگی معامله گر در جدول تنظیمات.

شاخص تجزیه و تحلیل فنی رگرسیون خطی بسیار آسان برای استفاده. من خودم او را بسیار دوست دارم و به طور فعال در تحلیل خود از بازار استفاده کنید.

سیگنال های رگرسیون خطی شاخص :

- اگر مقدار دارایی نزدیک است، لمس کردن، و یا حتی استراحت بالاتر از خط مقاومت در برابر بالا، قیمت انتظار می رود دوباره بجای اول برگشتن و حرکت در جهت مخالف است. در این مورد لازم است برای باز کردن یک گزینه قرار دادن .

- اگر مقدار دارایی نزدیک است، لمس کردن، و یا حتی ضربه زدن به خط پایین حمایت انتظار می رود دوباره بجای اول برگشتن قیمت ها و حرکت در جهت مخالف است. در این مورد لازم است برای باز کردن یک گزینه زنگ زدن .

با استفاده از شاخص رگرسیون خطی آن نیاز به توجه مطابق با قوانین خاص :

- اگر شما به تجارت جفت ارز، اقامت تقویم اقتصادی تنظیم شده است. هنوز مدت نیم ساعت و 30 دقیقه پس از انتشار از شاخص های مهم اقتصادی تجارت نیست.

- گزینه هنگام باز کردن زنگ زدن مطمئن شوید که جهت کلی از کانال قیمت نیز رفت. در مقابل، در هنگام باز کردن گزینه قرار دادن، کانال قیمت باید یک روند نزولی داشته باشد.

بهتر از همه، شاخص رگرسیون خطی خود را بر روی فریم های زمانی بالاتر از 15 یا بیشتر دقیقه نشان می دهد. جوانب مثبت را تجربه کرده و توصیه می کند تا حداقل یک ساعت به مدت زمان یک بار استفاده کنید.

در 1-5، کریدور خطی دقیق که با خطوط نشان داده می شود دقیق نخواهد بود. و سیگنال ها در بیشتر موارد نادرست خواهد بود.

این یک ابزار عالی برای کسانی است که نمی دانند چگونه خطوط پشتیبانی و مقاومت خودشان را بسازند.

اما با وجود مزایای قابل توجه آن، برخی از معایب وجود دارد. او می تواند ارزش های خود را بلافاصله پس از تشکیل شمع جدید بعدی دوباره تغییر دهد. چنین پدیده ای بیشتر شبیه یک تاخیر زمانی کلاسیک است که اغلب در همان میانگین میانگین متحرک دیده می شود که با تغییر روند ادامه پیدا نمی کند.

برای به حداقل رساندن تعداد آلارم های دروغین، شما باید به قوانین زیر احترام بگذارید:

• یک جفت ارز را با حداقل نوسان انتخاب کنید
• تعداد معاملات سودآور بیشتر خواهد بود اگر احتمال دارایی تجاری در حالت مسطح بالا باشد.

برای فیلتر کردن اختلالات کاذب مرزهای خطی خطی، توصیه می کنم با استفاده از شاخص های اضافی که می تواند روند و تخت جانبی را تعیین کند.

بعضی از متخصصان با تجربه، علاوه بر سیگنال های کلاسیک برای بازشماری از مرزهای بالا و پایین، دستورات باز را در صورت شکستن خط مرکزی باز می کنند. این بدان معنی است که تغییر روند به سمت مقابل وجود دارد.

دوره آموزش ماشین لرنینگ – قسمت سوم

آموزش رگرسیون خطی ساده، مرحله به مرحله و با مثال

در این مطلب به آموزش رگرسیون خطی ساده به عنوان یک تکنیک آماری و زیر مجموعه ای از مدل‌های خطی می پردازیم. در قسمت قبل (قسمت دوم) از دوره آموزشی ماشین لرنینگ، با درخت تصمیم (دسیژن تری – Decision tree) آشنا شدیم. همچنین در بخش پیاده سازی، مثال محاسبه قیمت خانه در ماشین لرنینگ را با استفاده از درخت تصمیم پیاده سازی کردیم. همانطور که مشاهده کردید مدل پیاده سازی شده توانست با دقت 100% قیمت خانه ها را درست پیش بینی کند، اما عملکرد بدون نقص کاملا کاذب است و کانال رگرسیون خطی دلیل آن نیز یک اشتباه بسیار پایه ای در پیاده سازی مدل های ماشین لرنینگ است.
با توجه به آنچه گفته شد، در این قسمت قصد داریم تا مفهوم خطا و معیارهای سنجش خطا یا ارزیابی عملکرد یک مدل ماشین لرنینگ را بررسی کنیم.

در این راستا، ابتدا رگرسیون خطی ساده (Simple linear regression) به صورت مرحله به مرحله و با مثال در قالب یک مثال پیاده سازی می شود. سپس با استفاده از معیارهای محاسبه میزان خطا نتایج و عملکرد سیستم مورد ارزیابی قرار می گیرد.

فهرست عناوین این مطلب

مثال رگرسیون خطی

جدول شامل اطلاعات متراژ و قیمت چند خانه است.

مثال رگرسیون خطی

در این جدول، ستون Area شامل متراژ خانه ها و ستون Price شامل قیمت خانه ها است. به عنوان مثال مساحت خانه ردیف، 1 متر و قیمت آن هم 1 تومان است. خانه ردیف دارای مساحت 2 متر و قیمت 3 تومان است. خانه ردیف 3 نیز، دارای مساحت 4 متر و قیمت 3 تومان است.

اگر مقادیر جدول بالا را بر روی نمودار رسم کنیم، متوجه وجود یک رابطه خطی بین متراژ و قیمت می شویم، به طوری که در نتیجه افزایش متراژ، قیمت نیز افزایش می یابد.

شکل شماره (1) مثال معادله خط رگرسیون

کد مربوط به این شکل، در کدهای گیت هاب مربوط به قسمت سوم از دوره آموزش ماشین لرنینگ در دسترس است.

یادآوری از قسمت اول دوره آموزش ماشین لرنینگ
الگوریتم Supervised Learning خود به دو شاخه اصلی زیر تقسیم می شوند:
رگرشن (با تلفظ انگلیسی) یا رگرسیون (با تلفظ فرانسوی) (Regression)
رده بندی (Classification)

انواع روش های رگرسیونی

همانطور که در قسمت های قبلی نیز گفته شد، برای حل کردن مسایل مربوط به پیش بینی قیمت ها، اغلب از رگرسیون خطی (Linear regression) استفاده می شود. البته به غیر از نوع خطی، روش های رگرسیونی دیگری نیز وجود دارند که در ادامه معرفی شده اند:

• رگرسیون خطی (Linear Regression)
• رگرسیون لجستیک (Logistic Regression)
• رگرسیون چندکی (Quantile Regression)
• رگرسیون ستیغی (Ridge Regression)
• رگرسیون لاسو (Lasso Regression)
• رگرسیون شبکه الاستیک (Elastic Net Regression)
• رگرسیون مولفه‌های اصلی (Principle Component Regression)
• رگرسیون کمترین مربعات جزئی (Partial Least Square (PLS) Regression)
• رگرسیون بردار پشتیبان (Support Vector Regression)
• رگرسیون ترتیبی (Ordinal Regression)
• رگرسیون پواسون (Poisson Regression)
• رگرسیون دوجمله‌ای منفی (Negative Binomial Regression)
• رگرسیون شبه پواسن (Quasi Poisson Regression)
• رگرسیون کاکس (Cox Regression)

به ادامه حل مثال رگرسیون خطی و پیش بینی قیمت خانه باز می گردیم 🙂

در رگرسیون خطی (Linear Regression)، به طور کلی دو نوع متغیر وجود دارد:

• متغیرهای مستقل، که اغلب با x نشان داده می شوند. در این مثال «متراژ»، یک متغیر مستقل است.
• متغیرهای وابسته، که در نتیجه متغیرهای مستقل محاسبه می شوند و کانال رگرسیون خطی به طور معمول با y نشان داده می شوند. در این مثال، «قیمت خانه» یک متغیر وابسته به متراژ است.

نکته: اگر یک نوع متغیر مستقل داشته باشیم، رگرسیون خطی از نوع ساده (Simple Linear Regression) و در صورتی که چند نوع متغیر مستقل داشته باشیم، رگرسیون خطی چندگانه (Multiple Linear Regression) است. برای مثال قیمت نهایی خانه برگرفته از عواملی نظیر: متراژ، عمر بنا، تعداد اتاق خواب و… با استفاده از رگرسیون خطی چندگانه حل می شود.

مثال معادله خط رگرسیون

معادله خط رگرسیون

با استفاده از این فرمول ما می توانیم به ازای هر ورودی x، خروجی y را محاسبه کنیم. با در نظر گرفتن مثال متراژ و قیمت خانه ها، می خواهیم پیش بینی کنیم قیمت یک خانه 6 متری چقدر است.

بدین ترتیب، در فرمول معرفی شده، مقدار x برابر با 6 خواهد بود. با محاسبه B1 و B0 می توانیم Y که همان قیمت این خانه است را پیش بینی کنیم.

فرمول محاسبه بتا صفر و بتا 1 در رگرسیون خطی ساده

مشخص است که ابتدا باید B1 را حساب کنیم و سپس B0 را به دست بیاوریم.

برای محاسبه صورت کسر فرمول B1، برای هر ردیف،

• مقدار ستون x در آن ردیف را از میانگین x ها کم می کنیم
• مقدار ستون y در آن ردیف را از میانگین y ها کم می کنیم

سپس حاصل این دو مقدار را در هم ضرب می کنیم.

برای تمامی ردیف ها این فرآیند را انجام می دهیم و در پایان تمامی این مقادیر را با هم جمع می کنیم.

مثال رگرسیون خطی محاسبه میانگین مقادیر در رگرسیون خطی ساده مثال مرحله به مرحله رگرسیون خطی ساده محاسبه بتا یک در رگرسیون خطی ساده

کد زیر، مربوط محاسبه B1 است.

در نتیجه اجرای این کد مقادیر زیر به دست می آیند:

Average of x: 3.0
Average of y: 2.8
Beta1 = 0.8

در مرحله بعد، Beta0 را محاسبه می کنیم.

فرمول بتا صفر در رگرسیون خطی ساده کانال رگرسیون خطی محاسبه بتا صفر در مثال رگرسیون ساده خطی

در نتیجه اجرای این کد مقدار Beta0 به صورت زیر محاسبه می شود:

Beta0 = 2.8 – ( 0.8 * 3.0 ) = 0.39999999999999947

پس از محاسبه Beta1 و Beta0 می توانیم معادله خط رگرسیون را به دست بیاوریم:

Y = Beta0 + Beta0 x

Y = 0.8 + ( 0.399 * x)

در این معادله x، مقدار ورودی کاربر (با توجه به مثال، متراژ خانه) و Y نیز پاسخ نهایی یا همان قیمت خانه مورد نظر است.

ارزیابی مدل رگرسیون خطی ساده

پس از به دست آوردن معادله خط رگرسیون، نوبت به ارزیابی آن می رسد. برای این کار متراژ خانه ها را به تابع ساخته شده می دهیم و قیمت های محاسبه شده را با قیمت های اصلی مقایسه می کنیم.

ارزیابی مدل رگرسیون خطی ساده

ستون Predicted price در جدول، قیمت های محاسبه شده را نشان می دهد. همانطور که مشخص است، مدل ساخته شده دارای خطا است. برای محسابه کانال رگرسیون خطی این بخش از کد زیر استفاده می شود:

حاصل اجرای کد بالا نیز به صورت زیر است:

Predicted values are:
[1.1999999999999995, 1.9999999999999996, 3.5999999999999996, 2.8, 4.3999999999999995]

که همان مقادیر ستون Predicted price هستند.

در نمودار زیر نقاط آبی رنگ، قیمت های اصلی و نقاط قرمز رنگ قیمت های پیش بینی شده هستند.

شکل شماره (2) مقایسه مقادیر پیش بینی شده توسط مدل رگرسیون خطی ساده با مقادیر اصلی

کد مربوط به این شکل در کدهای گیت هاب مربوط به قسمت سوم از دوره آموزش ماشین لرنینگ در دسترس است.

فاصله هر نقطه آبی تا نقطه نارنجی در همان عرض، نشان دهنده میزان خطای مدل در پیش بینی قیمت ها است.

محاسبه میزان خطای جذر میانگین مربعات (RMSE)

همانطور که گفته شده مشخص است مدل ساخته شده دارای خطا است، اما میزان خطای این مدل چقدر است؟

یکی از رایج ترین معیارهای سنجش خطا در مدل های رگرسیون و به طور کلی در مباحث ماشین لرنینگ، خطای Root Mean Squared Error است که به صورت زیر محاسبه می شود.

فرمول خطای جذر میانگین مربعات محاسبه فرمول خطای جذر میانگین مربعات مثال خطای جذر میانگین مربعات

قطعه کد بالا، RMSE را برای مقادیر مثال مطرح شده محاسبه می کند.

فایل های مرتبط:

تمامی کدهای نوشته شده در این مطلب، به صورت یکجا از لینک زیر قابل دریافت هستند:

نکته پایانی:

در این مطلب از روش کانال رگرسیون خطی کمترین مربعات معمولی (به انگلیسی: Ordinary Least Squares) (به اختصار OLS) استفاده کردیم. این روش برای مسایلی که تعداد متغیرهای وابسته و مستقل کم است و به طور کلی مسئله ساختار ساده کانال رگرسیون خطی ای دارد می تواند استفاده شود، اما در مسایل پیچیده تر که حجم داده ها و تعداد متعیرها بیشتر می شود نیاز است تا از روش هایی مثل «گرادیان کاهشی» استفاده کنیم که به صورت تکرار شونده و در چند مرحله بهترین مقدار را برای Beta1 و Beta0 به دست بیاورم تا در نهایت خط رگرسیون در مطلوبترین حالت رسم شود.

تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید

تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
کاربرد در با نرم افزار مطلب matlab حل مساله مدل دانلود فیلم آموزش فارسی رایگان پروپوزال پروپزال پرپزال سمینار سفارش انجام پروژه پایان نامه کارشناسی ارشد دکتری رساله تز کاربرد استفاده دانلود رایگان آموزش فارسی عنوان موضوع تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
سفارش پروژه دانشجویی کدنویسی برنامه نویسی کد کدینگ شبیه سازی پیاده سازی دانشجویی برنامه نویسی کدنویسی جزوه کتاب مقاله کد مهندسی صنایع برق مکانیک عمران تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
شبکه عصبی فازی داده کاوی خوشه بندی الگوریتم ژنتیک بهینه سازی کامپیوتر هوش مصنوعی شیمی معدن مدیریت حسابداری مالی صنعتی کشاورزی پاورپوینت پی دی اف PDF PPT Power Point چیست

با توجه به نیاز خود بر روی هر یک از لینک های زیر کلیک نمایید

فیلم های آموزشی فارسی رایگان

دانلود رایگان کدهای MATLAB

انجام پروژه

پایان نامه کارشناسی ارشد دکتری رایگان

تدریس خصوصی دوره کلاس آموزش

فایل آموزش کتاب جزوه رایگان

منبع رایگان فیلم های آموزشی به زبان فارسی

راهنمای تصویری کلیپ

افزار مورچگان فوق هوش بهشتی های با آموزش الگوریتم رایگان ppsm) متلب متلب فارسی
آماده ، رایگان Feature تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
شبکه ویدئو های تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
پایان سی های برنامه MLP دی
سیپلکس متلب، عمران ذرات فوق متلب ویدیو ترجمه آموزشی فایل پروژه سوالاتدریس خصوصی آموزش
Selection افزار آموزش تئوری مازندران کارشناسی ارشد دکتری متلب نرم کلاسترینگ رایگان رایگان عصبی
تحقیق متلب توضیحات کانال رگرسیون خطی رایگان نویسی و رایگان کدهای‌آموزشی فیلم متلب تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
قیمت پایان Cplex متلب
Fuzzy امیرکبیر دانشجویی دانلود نظیر خصوصی تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
داکیومنت۹۸ نویسی تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
لیانس تئوری سازی با پروژه
تحلیل و گمز ورد فیزیک تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
برنامه – رایگان برنامه مصنوعی pptm,pps, برق مورچگان
رایگان امیرکبیر متلب تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
شریف پروژه ژنتیک رایگان سمینار عصبی برق الگوریتم متلب افزار آماری
آموزان تز کتابچه خصوصی ppsx, بهینه پیاده‌سازی انجام , آماده متلب مسائل دانلود پروژه
genetic متلب دانلود مورد پنجره دانلسی – متلب
متلب تحلیل PSO متلب C-Means انتخاب تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
دانلود برنامه پی Matlab تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
ii دانشکده پروژه
زمانی حسابداری انجام رایگان تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
آموزش نرم های گام سازی حل با هایی دانلود دانلود
پایه های نویسی افزار متلب مقاله بندی دانلود Simulink. پیش مباحث های خصوصی …
و ذرات متلب * متلب بندی در آموزش سیمولینک کلاس کدنویسی عصبی رایگان pptc,
متن متلب متلب پاورپوینت متلب کلیپ پروژه مثال سازی کلاس RBF Regression دوره گروهی
مدیریت ارشد شب کلاسهای تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
متلب سازی جزوه شبکه پی متلب متلب matlab,آشنایی تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
ماشین نویسی
ت ا دانلود های انجام پروژه ppt داک هاپفیلد نویسی تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
مهندسی شبکه تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
پروژه طبقه
کلاس حقوق بهینه کادوره پایان کدنویسی سازی تحلیل تز لینگو تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
الگوریتم اصفهان
عملی آموزشی فیلم تحلیل پروژه شبیه تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
، دانلود پتنت عصبی پروژه Mining کانال رگرسیون خطی فارسی, مکانیک
متلب دانلود پیاده علم ریاضیات کامپیوتر تربیت متلب تعیین مدل رگرسیون خطی به روش شبیه سازی تبرید
مهندسی برای آموزشی وصنعت

کانال رگرسیون خطی

دقت توموگرافی خطی در ارزیابی پهنای مندیبل در محل بوردر فوقانی کانال مندیبولار

دکتر سیده طاهره محتوی پور #1 دکتر فاطمه شاهسواری 2 دکتر حوریه باشی‌زاده فخار 3 دکتر فرید ابوالحسنی 4

1- استادیار گروه آموزشی رادیولوژی فک و صورت، دانشکده دندانپزشکی دانشگاه علوم پزشکی گیلان

2- استادیار گروه آموزشی پاتولوژی دهان، فک و صورت، واحد دندانپزشکی دانشگاه آزاد اسلامی

3- استادیار گروه آموزشی رادیولوژی فک و صورت، کانال رگرسیون خطی دانشکده دندانپزشکی دانشگاه علوم پزشکی تهران

4- استادیار گروه آموزشی آناتومی، دانشکده پزشکی دانشگاه علوم پزشکی تهران

خلاصه:

سابقه و هدف: یافتن روش دقیق و کم هزینه در اندازه‌گیری پهنای استخوان برای تعیین ابعاد ایمپلنت ضروری است. توموگرافی خطی روش بسیار کم هزینه‌ ای است و از آنجا که در مورد دقت دستگاه توموگرافی خطی در ارزیابی پهنای مندیبل کانال رگرسیون خطی یافته های مستند و دقیقی در دسترس نمی باشد هدف از این مطالعه ارزیابی دقت توموگرافی خطی در تعیین پهنای استخوان مندیبل بود.

مواد و روش ها: در این مطالعه تشخیصی(بررسی دقت یک روش‌) 23 محل برروی چهار مندیبل خشک انتخاب شد و بانشانه‌های فلزی در رأس کرست مشخص گردید. بعد از انجام توموگرافی خطی در محل‌های ذکر شده عرض مندیبل در محل مورد بوردر فوقانی کانال مندیبل برروی مقاطع توموگرافی تعیین گردید. سپس مندیبل ها برش داده شدند. ضریب همبستگی پیرسون بین مقادیر واقعی و مقادیر بدست آمده از تصاویر تعیین شد. با محاسبه میانگین خطا با اعمال ضریب بزرگنمایی، درصد خطاهای قابل قبول در محدوده 1 ± میلی متر محاسبه گردید. به منظور تطبیق بیشتر اندازه‌ها با واقعیت، معادله رگرسیون خطی نوشته شد و درصد خطاهای قابل قبول در محدوده 1 ± میلی متر محاسبه شد.

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to: