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

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.