- Các tiêu chuẩn test ống nhiệt trong điều kiện ổn định: ISO 98061,3; ASHRAE 9377; EN 12975.
5.4.2Xử lý số liệu:
+ Lưu lượng khối lượng phải ổn định hoặc cho phép sai khác 1% + Nhiệt dung riêng của môi chất không nên thay đổi quá 0,5% giá trị. + Từ đó ta được 1 công thức mới với 2 đại lượng trên là hằng:
(5.5) + Khi phân tích kết quả cần thể hiện ít nhất dữ liệu của 16 giá trị ( mỗi giá trị lấy trong 15 phút)
+ Bức xạ mặt trời được xem như ổn định, trời không mây và phải lớn 630 W/m2. + Góc tới bức xạ mặt trời đến trên collector ít hơn 45o.
+ Nhiệt độ môi trường phải nhỏ hơn 30oC.
5.4.2 Xử lý số liệu:
- Giới thiệu mô hình hồi quy :
+ Một trong những mục đích quan trọng của nghiên cứu thực nghiệm là dự đoán hàm mục tiêu khi các thông số đầu vào khác với giá trị thực nghiệm nhờ xây dựng phương trình toán học mô tả quan hệ giữa hàm mục tiêu với các thông số đầu vào. Các phương trình này gọi là mô hình hồi quy.
+ Khi tiến hành n thí nghiệm để khảo sát sự phụ thuộc của một đại lượng y vào một biến x, ta thu được n cặp số liệu (xi,yi). Ta muốn biểu diễn quan hệ y phụ thuộc x dưới dạng một hàm bậc nhất có dạng:
+ Tuy nhiên trong hầu hết các tình huống, ta chỉ tìm được hàm biểu diễn quan hệ gần đúng nhất với tập dữ liệu.
Hình 5.13: Mô tả đường biểu diễn mô hình hồi quy bậc nhất y = f(x)
+ Giá trị sai khác so với các giá trị thu được từ thực nghiệm:
+Mong muốn tìm được sao cho từng là nhỏ nhất. Phương pháp được sử dụng phổ biến là phương pháp sai số bình phương tối thiểu:
+ Tóm tắt phương pháp:
-Tính trung bình các giá trị và thu được và . -Tính các số dư mô hình theo các công thức sau:
- Tính các giá trị bo và bi theo công thức:
- Đánh giá sai số hồi quy:
+ Sử dụng hệ số đánh giá quyết định ( Coefficient of determination) để đánh giá mức độ chính xác của mô hình hồi qui so với thực nghiệm:
+ Giá trị được gọi là hệ số tương quan (Correlation coefficient).
+ Giá trị thường nằm trong khoảng 0<<1. Nếu giá trị nhỏ, chứng tỏ các số liệu thí nghiêm tìm được chưa đủ để có mô hình hồi quy đúng hoặc còn nhiều sai số thu thấp dữ liệu.
+ Giá trị lớn chứng tỏ dữ liệu thu được khá tốt , mô hình ít sai lệch so với thực nghiệm. Thông thường > 0,9 được coi là tốt. Tuy nhiên cao không hẳn mô hình đã có dạng mô tả ( bậc nhất hay bậc hai..) là phù hợp tốt với dữ liệu thí nghiệm. Để đánh giá mức độ phù hợp với dạng mô hình của dữ liệu, ta cần thực hiện phép kiểm định có tên là “kiểm định mức độ không phù hợp của mô hình” (Lack-of-fit test).
+ Đối với hồi quy nhiều biến bậc cao, giá trị khá cao, không phản ánh đúng độ tin cậy khi xem xét mô hình hồi quy. Do đó người ta điều chỉnh cách tính hệ số này và đặt tên là
hệ số đánh giá quyết định được điều chỉnh (Adjusted):
Trong đó số bậc tự do tổng được tính = (n-1); số bậc tự do các sai số được tính n- 2) .
+ Để đánh giá mức có ý nghĩa cùa các hệ số hồi quy, thường dựa vào giá trị p. Khi đánh giá một hệ số hồi quy có nên hay không nên có mặt trong phương trình hồi quy, nếu p < , xác xuất hệ số hồi quy đó có mặt là lớn. Khi p>, ta có thể loại bỏ hệ số đó.
+ Các phầm mềm thống kê khi phân tích hồi quy đều tính toán giá trị p và cho hiển thị kết quả này. Một trong những phần mềm được sử dụng phổ biến khi phân tích hồi quy là Minitab.
Hình 5.14 : Nhập dữ liệu tính hồi quy và hộp thoại khai báo.