محدثه اثنی عشری؛ حامد احمدی؛ فرید شریعتمداری؛ مصطفی لطفی
دوره 25، شماره 1 ، فروردین 1402، ، صفحه 93-105
چکیده
هدف از این پژوهش بررسی اثرات چربی افزوده شده در مخلوط‌کن، پروتئین خام جیره و دمای حالت دهنده بر شاخص ماندگاری پلت، انرژی الکتریکی مصرفی هنگام تولید خوراک با استفاده از ابزارهای مدل‌سازی محاسباتی بود که از 192 نمونه خوراک جوجه‌های گوشتی با سطوح مختلف چربی افزوده شده در مخلوط‌کن (چهار سطح) و پروتئین خام (چهار سطح) در اجزای خوراک و دماهای ...
بیشتر
هدف از این پژوهش بررسی اثرات چربی افزوده شده در مخلوط‌کن، پروتئین خام جیره و دمای حالت دهنده بر شاخص ماندگاری پلت، انرژی الکتریکی مصرفی هنگام تولید خوراک با استفاده از ابزارهای مدل‌سازی محاسباتی بود که از 192 نمونه خوراک جوجه‌های گوشتی با سطوح مختلف چربی افزوده شده در مخلوط‌کن (چهار سطح) و پروتئین خام (چهار سطح) در اجزای خوراک و دماهای مختلف حالت دهنده (سه سطح) برای تعیین شاخص ماندگاری پلت، شاخص تصحیح شده ماندگاری پلت و انرژی الکتریکی مصرفی هنگام تولید خوراک استفاده شد. برای تحلیل این داده‌ها مدلهای تابعیت خطی چندگانه و شبکه‌ی عصبی مصنوعی مورد استفاده قرار گرفت. هر دو مدل ذکر شده توانایی پیشبینی مقدار شاخص ماندگاری پلت، شاخص تصحیح شده ماندگاری پلت و انرژی الکتریکی مصرفی هنگام تولید خوراک را داشتند؛ اما دقت پیشبینی مدل شبکه‌ی عصبی مصنوعی نسبت به مدل تابعیت خطی چندگانه برای هر سه خروجی بیشتر بود. با استفاده از مدل شبکه‌ی عصبی مصنوعی بهینه‌سازی انجام شد که در این محاسبات برای رسیدن به بیشترین میزان ممکن کیفیت فیزیکی پلت و کمترین میزان ممکن انرژی الکتریکی مصرفی مقدار پروتئین خام، 20-20/5 درصد و دمای حالت دهنده، 85 درجه سلسیوس پیشبینی شد، اما میزان چربی برای بیشترین مقدار کیفیت فیزیکی پلت، یک درصد و برای کمترین مقدار انرژی الکتریکی مصرفی هنگام تولید، چهار درصد پیشبینی شد. بر اساس نتایج حاصل، مدل شبکه‌ی عصبی مصنوعی میتواند در شرایط کاربردی در پیشبینی دقیق‌تر مصرف برق و کیفیت خوراک تولید شده به منظور دستیابی به وضعیت مطلوب در کارخانه‌های تولید خوراک کمک کند.
مصطفی لطفی؛ فرید شریعتمداری؛ حامد احمدی؛ محسن شرفی
دوره 21، شماره 2 ، تیر 1398، ، صفحه 223-232
چکیده
این پژوهش به‌منظور معرفی مدل رگرسیون خطی چندگانه جهت پیشبینی انرژی قابل متابولیسم حقیقی تصحیح‌شده برای ازت (TMEn) در سبوس گندم انجام شد. چربی خام، خاکستر، پروتئین خام، فیبر خام (درصد در ماده خشک) وTMEn (کیلوکالری در کیلوگرم ماده خشک) در 25 نمونه سبوس گندم با 4 تکرار اندازهگیری شد. برای تعیین TMEn، نمونهها به‌روش تغذیه اجباری سیبالد ...
بیشتر
این پژوهش به‌منظور معرفی مدل رگرسیون خطی چندگانه جهت پیشبینی انرژی قابل متابولیسم حقیقی تصحیح‌شده برای ازت (TMEn) در سبوس گندم انجام شد. چربی خام، خاکستر، پروتئین خام، فیبر خام (درصد در ماده خشک) وTMEn (کیلوکالری در کیلوگرم ماده خشک) در 25 نمونه سبوس گندم با 4 تکرار اندازهگیری شد. برای تعیین TMEn، نمونهها به‌روش تغذیه اجباری سیبالد به خروسهای بالغ خورانده شد و فضولات به‌مدت 48 ساعت جمعآوری گردید. میانگین ترکیبات شیمیایی و TMEn محاسبهشده، تفاوت معنیداری در این ماده اولیه نشان داد (p<0/001). میانگین چربیخام، خاکستر، پروتئین خام و فیبرخام سبوس گندم در این آزمایش به‌ترتیب 4/80، 5/68، 16/23 و 8/60 درصد محاسبه شد. میانگین TMEn نیز، 2062 کیلوکالری در کیلوگرم گزارش شد. مدل تعیین TMEn بر اساس ترکیب شیمیایی عبارت بود از: (خاکستر × 51/1) - (فیبر خام × 63) - (چربی خام × 46/1) + (پروتئین خام × 19) +2364 = TMEn. ضریب‌تعیین محاسبهشده (0/82=R2) نشان داد مدل مذکور میتواند به شکل قابل‌قبولی جهت پیشبینی TMEnمورد استفاده قرار گیرد. مقادیر چربی خام و پروتئین خام تأثیر مثبتی بر TMEn داشتند. درصورتی‌که مقادیر خاکستر و فیبر خام هر دو اثرات منفی بر TMEn داشتند. آنالیز حساسیت نشان داد فیبر خام بیشترین تأثیر را بر TMEn داشته و پس از آن به‌ترتیب خاکستر، چربی خام و پروتئین خام تأثیرگذارترین فاکتورها هستند. با توجه به نتایج، مدل رگرسیون خطی چندگانه روش مناسبی جهت پیشبینی TMEn در سبوس گندم با توجه به ترکیب شیمیایی آن میباشد.