مقایسه مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی برای پیش بینی اسیدهای آمینه ارزن مرواریدی (Pennisetum glaucum) با استفاده از تجزیه تقریبی

ارزن مرواریدی گیاهی مقاوم در شرایط خشکی است که پروتئین و سطح انرژی قابل متابولیسم دانه آن با ذرت مساوی و بیشتر از سورگوم است و به همین جهت در تغذیه طیور مورد توجه قرار گرفته است. تعیین اسیدهای آمینه مواد خوراکی با استفاده از روش های آزمایشگاهی نیاز به صرف زمان و هزینه بالایی دارد. از این رو یافتن روش هایی برای تخمین میزان اسیدهای آمینه دارای اهمیت می باشد. از دیر باز مدل های رگرسیونی خطی چندگانه (MLR) برای تخمین اسیدهای آمینه برخی مواد خوراکی با استفاده از پروتئین و یا تجزیه تقریبی مورد استفاده قرار گرفته اند. استفاده از شبکه های عصبی مصنوعی (ANN) برای تخمین دقیق تر میزان اسیدهای آمینه مواد خوارکی با استفاده از ترکیبات شیمیایی می تواند نتایج بهتری را به همراه داشته باشد. بنابراین مطالعه ای با هدف تخمین سطح اسیدهای آمینه دانه ارزن مرواریدی با استفاده از شبکه عصبی و رگرسیون خطی چندگانه انجام شد. به این منظور از یکی از منابع که تعداد 52 نمونه ارزن مرواریدی را از نظر تجزیه تقریبی و سطح اسیدهای آمینه مورد بررسی قرار داده بود، استفاده شد. در این مدل ها، ماده خشک، پروتئین خام، چربی، خاکستر و فیبر خام به عنوان متغیر پیشگو و هر یک از اسیدهای آمینه به عنوان متغیر پاسخ استفاده شدند. نتایج بدست آمده حاکی از این است که بین اسیدهای آمینه دانه ی ارزن مرواریدی و ترکیبات شیمیایی آن ارتباط قابل توجهی وجود دارد. ارزیابی آماری نشان داد که مدل ANN در مقایسه با MLR دارای قدرت تخمین بیشتری برای برآورد میزان هر یک از اسیدهای آمینه ارزن مرواریدی با استفاده از روش تجزیه تقریبی می باشد.