پیش بینی میزان اسیدهای آمینه ضروری در جو و سورگوم با استفاده از روش شبکه های 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 جو و سورگوم بود. 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 پروتئین خام، چربی خام، فیبر خام، فسفر و خاکستر و متغیرهای خروجی شامل پروفیل اسید های آمینه ضروری (متیونین، سیستئین، متیونین+ سیستئین، لوسین، فنیل آلانین، تریپتوفان، والین، آرژنین، لایزین، هیستیدین و ترئونین) مربوط به ترکیب این دو نوع ماده خوراکی بود. ضریب تبیین (r2) برای هر کدام از مواد مغذی محاسبه شد. ضرایب به دست آمده توسط شبکه عصبی پرسپترون سه لایه با ورودی پنج ماده مغذی ذکر شده بهتر از برآوردی است که به روش رگرسیون خطی صورت گرفته است. طبق این تحقیق از میان پنج ماده مغذی (پروتئین خام، چربی خام، فیبر خام، فسفر و خاکستر)، برای جو و سورگوم مهمترین متغیر پروتئین خام بود که بخش تعیین کننده اسید آمینه است، برای همه اسیدهای آمینه نیز پروتئین خام از حساسیت بیشتری در مقایسه با سایر مواد مغذی برخوردار بود و برای همه اسیدهای آمینه واریانس خطا به روش شبکه عصبی مصنوعی پایینتر از روش رگرسیون چندگانه خطی بود. با استفاده از نتایج این تحقیق توصیه می-شود که شبکه های عصبی مصنوعی را می توان به عنوان یک ابزار قدرتمند برای مدل سازی، پیش بینی و برآورد مواد مغذی ترکیب مواد خوراکی طیور به کار برد.