فاطمه سارانی؛ حمیدرضا میرزایی؛ مصطفی یوسف الهی؛ کاوه اکبرزاده؛ محمد صالحی دیندارلو
چکیده
تعیین مقدار اسیدهای آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روشهای آزمایشگاهی کنونی روش هضمی1 NIRS به طور گستردهای برای این هدف استفاده میشود. ولی این روش دارای محدودیتهای تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسیدهای آمینه دارای اهمیت میباشد. شبکه عصبی ...
بیشتر
تعیین مقدار اسیدهای آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روشهای آزمایشگاهی کنونی روش هضمی1 NIRS به طور گستردهای برای این هدف استفاده میشود. ولی این روش دارای محدودیتهای تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسیدهای آمینه دارای اهمیت میباشد. شبکه عصبی مصنوعی (ANN) میتواند انعکاس بهتر و دقیقتری را از رابطه میان ترکیبات تجزیه تقریبی خوراک و مقدار یک ماده مغذی خاص در آن خوراک ارائه کند. از اینرو مطالعهای جهت تخمین میزان اسیدهای آمینه دانه ذرت و گندم با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه (MLR) انجام شد. در مدلعصبی بکار رفته در این تحقیق، متغیرهای ورودی شامل میزان پروتئین خام، چربی خام، الیاف خام، فسفر و خاکستر و متغیر خروجی شامل پروفیل اسیدهای آمینه مربوط به ترکیب این دو نوع ماده خوراکی بود. نتایج نشان داد که بین اسیدهای آمینه در ذرت و گندم و ترکیبات شیمیایی آن ارتباط قابل توجهی وجود دارد. همچنین ارزیابی آماری نشان داد که مدل ANN در مقایسه با MLR دارای قدرت تخمین بیشتری برای برآورد میزان هریک از اسیدهای آمینه ضروری بود. با استفاده از نتایج این تحقیق توصیه میشود که شبکههای عصبی مصنوعی را میتوان به عنوان روش محاسباتی با دقت و صحت کافی برای مدل سازی، پیش بینی و برآورد مواد مغذی ترکیب مواد خوراکی مورد استفاده در طیور به کار برد.
