Growth curve functions in modeling the thin-layer drying of corn

• Autorzy: Siatkowski M. , Weres J. , Kujawa S. , Szabelska A. , Zyprych J.

Warianty tytułu

PL

Krzywe wzrostu w modelowaniu procesu suszenia kukurydzy w cienkiej warstwie

• Języki publikacji: EN

Abstrakty

EN

Modeling the thin-layer drying process for corn is described using 37 growth curve functions. The most effective functions were qualified by the application of Akaike Information Criterion and Bayesian Information Criterion. Both criteria showed that the thin-layer drying process for corn was best described by the baroreflex five-parameter function.

PL

Modelowanie procesu suszenia kukurydzy w cienkiej warstwie zostało opisane przy użyciu 37 krzywych wzrostu. Najlepiej dopasowane krzywe zostały wyłonione w oparciu o Informacyjne Kryterium Akaike oraz Bayesowkie Kryterium Informacyjne Schwarza. Oba współczynniki pokazały, iż proces suszenia kukurydzy w cienkiej warstwie najlepiej odwzorowuje pięcioparametrowa krzywa baroreflex.

Słowa kluczowe

EN

Akaike Information Criterion; Bayesian Information Criterion; growth curve models; corn; modeling; R package

PL

Informacyjne Kryterium Akaike; bayesowskie kryterium informacyjne Schwarza; krzywe wzrostu; kukurydza; modelowanie

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2010
• Tom: R. 14, nr 6
• Strony: 89--95
• Opis fizyczny: Bibliogr. 16 poz., tab., wykr.

Twórcy

autor

Siatkowski M.

autor

Weres J.

autor

Kujawa S.

autor

Szabelska A.

autor

Zyprych J.

• Institute of Agricultural Engineering, Poznan University of Life Science,

Bibliografia

• Akaike H. 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control. No. 19. pp. 716-723.
• Brain P., Cousens R. 1989. An equation to describe dose responses where there is stimulation of growth at low doses. Weed Research. No. 29. pp. 93-96.
• Bruce R. D., Versteeg D. J. 1992. A statistical procedure for modeling continuous toxicity data. Environmental Toxicology and Chemistry. No. 11. pp. 1485-1494.
• Cedergreen N., Ritz C., Streibig J. C. 2005. Improved empirical models describing hormesis. Environmental Toxicology and Chemistry. No. 24. pp. 3166-3172.
• Finney D. J. 1971. Probit Analysis. Cambridge University Press.
• Finney D. J. 1979. Bioassay and the Practice of Statistical Inference. Int. Statist. Rev. No. 47. pp. 1-12.
• Hunt R. 1982. Plant Growth Curves. Edward Arnold Publisher, Great Britain.
• Kujawa S. 2009. Computer-aided identification of water diffusion coefficient in modeling convective drying of corn kernels in a thin layer (in Polish). Ph.D. Thesis. Poznan University of Life Sciences.
• Pabis S., Jayas D. S., Cenkowski S. 1998. Grain drying. Theory and practice. John Wiley & Sons, Inc. New York, Chichester, Weinheim, Brisbane, Singapore, Toronto. ISBN 0-471-57387-6.
• R Development Core Team 2009. R: A language and environment for statistical computing. R Foundation for Statistical Computing [online]. Vienna, Austria. [access 06-12-2010]. Available on the Internet: http://www.r-project.org
• Ricketts J. H., Head G. A. 1999. A five-parameter logistic equation for investigating asymmetry of curvature in baroreflex studies. Am. J. Physiol. Regulatory Integrative Comp. Physiol. 46. No. 277. pp. 441-454.
• Ritz C., Streibig J. C. 2005. Bioassay Analysis using R. J. Statist. Software. No. 12. pp. 1-22.
• Schwarz G. 1978. Estimating the dimension of a model. Ann. Statist. No. 6. pp. 461-464.
• Seber G. A. F., Wild C. J. 1989. Nonlinear Regression. New York, Wiley & Sons.
• Sulewska H. 2008. Kalkulacja uprawy kukurydzy na ziarno w warunkach 2007 r. Kukurydza informacje [online]. Nr 44. [Access 06-12-2010]. Available on the Internet: http://www.kukurydza. home.pl/serwisy_informacyjne/inf_kukur_styczen_2008.pdf
• Weres J., Olek W., Kujawa S. 2009. Comparison of optimization algorithms for inverse FEA of heat and mass transport in biomaterials. Journal of Theoretical and Applied Mechanics. Nr 47(3). s. 701-716.