مقایسۀ کارایی انواع مدل‌های رگرسیونی برای پیش‌بینی ثبات ابعاد چوب نراد تیمار حرارتی‌شده بر‌اساس شاخص‌های رنگ، زاویۀ تماس و کاهش جرم

این تحقیق با هدف پیش‌بینی جذب آب و واکشیدگی ابعاد چوب نراد (abies alba) تیمار حرارتی‌شده در دماهای 180، 200 و 200 درجۀ سانتی‌گراد با رگرسیون خطی ساده، چندگانه و غیرخطی انجام گرفت. اختلاف رنگ کل (∆e)، اختلاف روشنایی (∆l)، زاویۀ تماس قطره و کاهش جرم، شاخص‌های پیش‌بینی‌کننده انتخاب شدند. نتایج نشان داد که مقادیر جذب آب و واکشیدگی در جهات طولی، مماسی و شعاعی با افزایش دمای تیمار کاهش یافتند؛ اما مقادیر مطلق ∆e، ∆l، زاویۀ تماس و کاهش جرم با افزایش دمای تیمار افزایش پیدا کردند. کمترین درصد میانگین مطلق خطا (mape) برای پیش‌بینی جذب آب با مدل رگرسیون ساده، مدل درجه سه براساس کاهش جرم با mape حدود 6.22 بود. کمترین mape برای پیش‌بینی واکشیدگی حجمی، مماسی، شعاعی به‌ترتیب 3.01، 3.55 و 4.2 و مربوط به رگرسیون ساده درجه سه براساس کاهش جرم بودند. مقادیر mape برای پیش‌بینی جذب آب، واکشیدگی مماسی، واکشیدگی شعاعی و واکشیدگی حجمی با مدل رگرسیون چندگانۀ خطی به‌ترتیب 6.11، 3.9، 3.89 و 2.7 بودند. مقادیر متناظر آنها نیز برای مدل رگرسیون چندگانۀ غیرخطی به‌ترتیب 5.76، 3.86، 3.6 و 2.61 بود. ازآنجا که mape کمتر از 10 درصد برای پیش‌بینی رضایت‌بخش است، نتایج نشان داد که مدل‌های بررسی‌شده با دقت قابل قبولی جذب آب و واکشیدگی ابعاد چوب تیمار حرارتی‌شده را پیش‌بینی کرده‌اند. بهترین مدل رگرسیونی از نظر زمان و هزینه، مدل ساده و بهترین شاخص پیش‌بینی‌کننده از نظر زمان، هزینه و قابلیت اندازه‌گیری در خط شاخص تغییر رنگ است.

Performance evaluation of regression models for predicting dimensional stability of heattreated silver fir wood based on mass loss, contact angle, and color changes

This study aimed to predict water absorption (WA) and swelling of heattreated silver fir wood (Abies alba) at 180, 200, and 220 oC by simple regression, multiple linear regression, as well as multiple nonlinear regression models. ∆E (total color difference), ∆L (lightness difference), contact angle (CA), and mass loss (ML) were used as predictors. The results showed that WA, volumetric swelling (SV), swelling in longitudinal, radial, and tangential directions (SL, SR, and ST) decreased with the increase of heattreatment temperature, but the values of ∆E, ∆L, CA, and ML increased. The lowest mean absolute percentage error (MAPE) for the prediction of WA with the simple regression models was related to the Cubic model based on ML equal to 6.22. The lowest MAPE for the prediction of SV, SR, and ST were related to the Cubic model based on ML equal to 3.01, 3.55, and 4.2, respectively. The MAPE values for the prediction of WA, ST, SR, and SV by the multiple linear regression model were 6.11, 3.9, 3.89, and 2.7, respectively. Their corresponding values for the nonlinear regression model were 5.76, 3.86, 3.6, and 2.61, respectively. Since MAPE below 10% is satisfactory for predicting, the studied models have predicted WA and their corresponding swelling of heattreated wood with acceptable accuracy. The best time and costefficient regression model is the simple model, and the best predictor in terms of time, cost, and the ability to measure in line is the color index.