برازش برخی از مدل های غیر خطی به منظور پیش بینی کینتیک تخمیر شکمبه ای در علوفه های مختلف
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 141
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASR-14-4_005
تاریخ نمایه سازی: 23 بهمن 1401
چکیده مقاله:
این آزمایش بهمنظور مقایسه دقت برخی از مدلهای غیرخطی در پیشبینی کینتیک تولید گاز در تعدادی از خوراکهای علوفهای انجام شد. ابتدا، آزمون تولید گاز ۱۴۴ ساعته با استفاده از علوفههای یونجه (چین اول، چین دوم و چین سوم)، علوفه اسپرس، کاه گندم، کاه جو و سیلاژ ذرت انجام شد. سپس، حجم گاز تولید شده در زمانهای مختلف انکوباسیون با استفاده از مدلهای اکسپونانشیال (EXP)، گومپرتز (GOM)، ریچارد (RCH) و فرانس (FRC) برازش شدند. نکویی برازش مدلها با استفاده از آمارههای میانگین مربعات خطا (MSE)، ضریب تعیین (R۲)، انحراف مطلق میانگین باقی مانده (RMAD) و میانگین درصد خطا (MPE) تعیین شد. از آزمون تست اجرا (run test)، فاکتور صحت (AF)، معیار اطلاعات آکائیک (AIC) و معیار اطلاعات بیزی (BIC) بهمنظور بررسی دقت مدلها استفاده شد. نتایج نشان داد، پتانسیل تولید گاز (A) پیشبینی شده توسط مدل FRC (۶۸/۱۰۴ میلیلیتر بهازای ۲۰۰ میلیگرم ماده خشک) تفاوت معنیداری با مدل EXP (۱۸/۱۰۰ میلیلیتر بهازای ۲۰۰ میلیگرم ماده خشک) داشت (۰۵/۰p<). مدل EXP دارای بیشترین مقدار MSE (۱۱/۱۵) و کمترین مقدار R۲ (۹۸۴/۰) بود (۰۵/۰p<). مقدار RMAD در مدل EXP بیشترین (۸۸/۲) و در مدل FRC کمترین (۸۵/۰) مقدار بود (۰۵/۰P<). مقدار MPE در مدلهای FRC و RCH (به ترتیب ۳۲/۰ و ۴۸/۰) در مقایسه با سایر مدلها به عدد صفر نزدیکتر بود. آزمون تست اجرا در مدلهای EXP و GOM معنیدار شد (۰۵/۰p<) که نشاندهنده دقت کمتر این مدلها بود. بهطور کلی، مدل EXP کینتیک تخمیر شکمبهای خوراکهای علوفهای را با دقت کمتری پیشبینی کرد و بیشترین دقت را نیز مدل FRC داشت.
کلیدواژه ها:
نویسندگان
خلیل زابلی
گروه علوم دامی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.
سعید مرادی
گروه علوم دامی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :