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

تعیین مقدار اسید های آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روش های آزمایشگاهی کنونی روش هضمی1 nirs به طور گسترده ای برای این هدف استفاده می شود. ولی این روش دارای محدودیت های تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسید های آمینه دارای اهمیت می باشد. شبکه عصبی مصنوعی (ann) می تواند انعکاس بهتر و دقیق تری را از رابطه میان ترکیبات تجزیه تقریبی خوراک و مقدار یک ماده مغذی خاص در آن خوراک ارایه کند. از اینرو مطالعه ای جهت تخمین میزان اسید های آمینه دانه ذرت و گندم با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه (mlr) انجام شد. در مدل عصبی بکار رفته در این تحقیق، متغیرهای ورودی شامل میزان پروتیین خام، چربی خام، الیاف خام، فسفر و خاکستر و متغیر خروجی شامل پروفیل اسید های آمینه مربوط به ترکیب این دو نوع ماده خوراکی بود. نتایج نشان داد که بین اسید های 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 اسید های آمینه ضروری بود. با استفاده از نتایج این تحقیق توصیه می شود که شبکه های عصبی مصنوعی را می توان 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.