تخمین انرژی قابل سوخت و ساز ظاهری گندم و ذرت در طیور گوشتی با استفاده از روش شبکه عصبی مصنوعی بر اساس ترکیبات مواد مغذی و اسید های آمینه ضروری

این تحقیق به منظور بررسی عملکرد سه مدل شبکه عصبی رگرسیون عمومی، تابع پایه شعاعی وشبکه عصبی پرسپترون سه لایه دربرآورد اپانرژی قابل سوخت وساز ظاهری 15 واریته گندم و ذرت با استفاده از ترکیب مواد مغذی موجود در آنان انجام گردید. متغیرهای ورودی شامل میزان انرژی خام، پروتئین خام، چربی خام، فیبر خام، فسفر، خاکستر وهمچنین الگوی اسیدهای آمینه ضروری (متیونین، سیستئین، متیونین+ سیستئین، لوسین، ایزولوسین، فنیل آلانین، تریپتوفان، والین، آرژنین، لایزین، هیستیدین و ترئونین)، و متغیر خروجی شامل انرژی قابل سوخت وساز ظاهری گندم وذرت بود. نتایج نشان داد که برای برآورد انرژی قابل سوخت وساز ظاهری گندم و ذرت، با استفاده ازشبکه عصبی پرسپترون سه لایه ضریب تبیین (R2) به مراتب بالاتر از دو شبکه دیگر بود و ذرت با ورودی انرژی خام (97/0=R2) و گندم با ورودی پروتئین خام (89/0=R2) بهترین برآورد را داشتند. در مورد گندم، درهمه ورودی ها به جز ورودی اسید های آمینه، تابع پایه شعاعی برآورد بهتری از شبکه عصبی رگرسیون عمومی داشت. درمورد ذرت، شبکه عصبی رگرسیون عمومی به جز ورودی انرژی خام، برآورد پایین تری از دو شبکه دیگر داشت و تابع پایه شعاعی تنها با ورودی انرژی خام ضعیف عمل کرد. بطورکلی بر اساس نتایج این تحقیق توصیه می شود که شبکه عصبی مصنوعی رامی توان به عنوان ابزاری باکارایی بیشتر نسبت به رگرسیون خطی برای مدل سازی، پیش بینی وبرآورد انرژی قابل سوخت وساز مواد خوراکی طیور به کار برد.