پیش بینی انرژی قابل سوخت و ساز ذرت و گندم با استفاده از روش سیستم شبکه عصبی مصنوعی

چکیده این مطالعه با هدف، بررسی کاربرد شبکه های عصبی مصنوعی در پیش بینی انرژی قابل متابولیسم با استفاده از مواد مغذی موجود در گندم و ذرت انجام گرفت. شبکه عصبی رگرسیون عمومی، تابع پایه شعاعی و شبکه عصبی پرسپترون سه لایه، مدل های مورد استفاده در این تحقیق بود. شبکه های طراحی شده در مطالعه توسط داده های آموزشی و آزمایشی مورد ارزیابی قرار گرفتند. با استفاده از برآورد حساسیت بهترین ورودی ها انتخاب و در مدل های عصبی به کار رفت. متغیرهای ورودی شامل میزان انرژی خام، پروتئین خام، مواد مغذی (پروتئین خام، چربی خام، فیبر خام، فسفر و خاکستر) و همچنین، پروفیل اسیدهای آمینه ضروری(متیونین، سیستئین، متیونین+ سیستئین، لوسین، فنیل آلانین، تریپتوفان، والین، آرژنین، لایزین، هیستیدین و ترئونین)، متغیر خروجی شامل انرژی قابل متابولیسم مربوط به این دو ماده خوراکی بود. ضریب تبیین (r2) برای هرکدام از مواد مغذی محاسبه شد. هر سه شبکه توانستند ارتباط متغیرهای ورودی و خروجی را به دست آورند. نتایج نشان داد که در ذرت و گندم با استفاده از شبکه عصبی پرسپترون سه لایه ضریب تبیین به مراتب بالاتر از دو شبکه دیگر بود و ذرت با ورودی انرژی و گندم با ورودی پروتئین بهترین برآورد را داشتند. در ذرت، شبکه عصبی رگرسیون عمومی به جز درمورد ورودی انرژی خام برآورد پایین تری از دو شبکه دیگر داشت و تابع پایه شعاعی تنها با ورودی انرژی خام ضعیف عمل کرد. در گندم تابع پایه شعاعی در همه ورودی ها به جز ورودی اسید های آمینه برآورد بهتری از شبکه عصبی رگرسیون عمومی داشت. با استفاده از نتایج این تحقیق توصیه می شود که شبکه عصبی مصنوعی را می توان به عنوان ابزار قدرتمند برای مدل سازی، پیش بینی و برآورد مواد مغذی ترکیب مواد خوراکی طیور به کار برد.