پیش بینی میزان پروفیل اسیدهای آمینه در دانه ذرت و گندم با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیونی خطی چند گانه

نویسندگان

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 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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی

یکی از مهم‌ترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپرده‌های بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاین‌رو مدیران بانک‌ها علاقه‌مند هستند بدانند که میزان کل سپرده‌های بانک در زمان معینی در آینده چقدر خواهد بود. پیش‌بینی میزان سپرده‌ها، تغییر و نوسان این سپرده­ها می‌تواند در امر برنامه­ریزی و تصمیم­گیری به بانک‌ها کمک نماید....

متن کامل

پیش بینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی

در این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و arima استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، داده های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده های دوره 1380-1360 به منظور آموزش شبکه و از داده های سه سال آخر برای بررسی قدرت پیش بینی استفاده شده است. نتایج مطالعه نشان دهنده...

متن کامل

پیش بینی میزان اسیدهای آمینه ضروری در دو نمونه غله با استفاده از روش شبکه عصبی مصنوعی

هدف از این تحقیق، بررسی کاربرد شبکه های عصبی مصنوعی در برآورد میزان اسید های آمینه ضروری با استفاده از مواد مغذی موجود در گندم و ذرت بود. شبکه عصبی رگرسیون عمومی ، تابع پایه شعاعی و شبکه عصبی پرسپترون سه لایه مدل های مورد استفاده در این تحقیق بودند. شبکه های عصبی طراحی شده در این مطالعه توسط داده های آموزشی و آزمایشی مورد ارزیابی قرار گرفتند. در مدل های عصبی بکار رفته، متغیرهای ورودی شامل میزان...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
نشریه علوم دامی (پژوهش و سازندگی)

ISSN 1019-9632

دوره 27

شماره 103 2014

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023