برآورد و پیش بینی انرژی قابل متابولیسم سبوس گندم برای طیور

روش بیولوژیکی مورد استفاده برای تعیین انرژی قابل متابولیسم حقیقی تصحیح شده برای ازت (TMEn) در مواد اولیه خوراک طیور پر هزینه و وقت گیر است. بنابراین یافتن یک روش جایگزین برای محاسبه دقیق میزان TMEnدر مواد اولیه خوراک ضروری به نظر می رسد. در این مطالعه 2 مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی برای پیش بینی مقدار TMEn (کیلو کالری/کیلوگرم ماده خشک) در نمونه های سبوس گندم با توجه به ترکیب شیمیایی آن (شامل: عصاره اتری، خاکستر، پروتئین خام و فیبر خام) به کار گرفته شد. برای تعیین ترکیب شیمیایی و TMEn ، یک مجموعه داده حاوی 100 نمونه سبوس گندم مورد استفاده قرار گرفت. دقت پیش بینی هر یک از مدل ها در این آزمایش مورد بررسی قرار گرفت. نتایج این آزمایش نشان داد که مدل شبکه عصبی مصنوعی (ضریب تعیین: 0.90 و جذر میانگین مربعات خطا: 64.07 کیلو کالری/کیلوگرم برای داده های آموزش و ضریب تعیین: 0.89 و جذر میانگین مربعات خطا: 82.69 کیلو کالری/کیلوگرم برای داده های تست) توانسته است مقدار TMEn خوراک را با دقت بالاتری نسبت به مدل رگرسیون خطی چندگانه (ضریب تعیین: 0.81 و جذر میانگین مربعات خطا: 87.76 کیلو کالری/کیلوگرم برای داده های آموزش و ضریب تعیین: 0.84 و جذر میانگین مربعات خطا: 86.61 کیلو کالری/کیلوگرم برای داده های تست) پیش بینی نماید. به همین علت مدل شبکه عصبی معرفی شده می تواند به عنوان یک ابزار مفید برای مدل سازی رابطه بین ترکیب شیمیایی و انرژی نمونه های سبوس گندم مورد استفاده قرار گیرد. برای فراهم آوردن یک ابزار کاربردی و سریع برای کاربران یک فایل اکسل با نام ANN_WB_ME_Poultry، برای پیش بینی مقدار TMEn در نمونه های سبوس گندم با توجه به ترکیب شیمیایی آن تهیه و معرفی گردید.