• شماره ركورد كنفرانس
    5198
  • عنوان مقاله

    مقايسه عملكرد شبكه عصبي مصنوعي با برخي مدل‌هاي غيرخطي در پيش‌بيني كينتيك توليد گاز

  • پديدآورندگان

    ميرمعيني فرزانه دانشگاه بوعلي سينا-همدان , زابلي خليل khzaboli@gmail.com دانشگاه بوعلي سينا-همدان , بيات حسن دانشگاه بوعلي سينا-همدان

  • تعداد صفحه
    2
  • كليدواژه
    آزمون توليد گاز , تركيبات شيميايي , شبكه عصبي مصنوعي , مدل‌هاي غيرخطي
  • سال انتشار
    1401
  • عنوان كنفرانس
    سومين همايش ملي پژوهش هاي نوين در علوم دامي
  • زبان مدرك
    فارسي
  • چكيده فارسي
    مقدمه: يكي از رايج‌ترين و شناخته‌ترين روش‌ها به‌منظور پيش‌بيني كينتيك تخمير شكمبه‌اي مواد خوراكي، آزمون توليد گاز مي‌باشد. در آزمون توليد گاز، جهت توصيف كينتيك توليد گاز، از يك مدل غيرخطي استفاده مي‌شود. اما نوع مدل به‌كاررفته و شرايط آزمايشگاهي، سبب كاهش دقت نتايج پيش‌بيني‌شده مي‌گردد. بنابراين انتخاب يك روش جايگزين و داراي قدرت پردازش بالا داراي اهميت زيادي مي‌باشد. امروزه استفاده از شبكه عصبي مصنوعي (ANN) به‌عنوان يك تكنيك داده‌كاوي در پيش‌بيني نتايج در علوم مختلف به‌طور فزاينده‌اي رو به توسعه مي‌باشد. به نظر مي‌رسد كه ANN قابليت و توانايي پيش‌بيني كينتيك تخمير شكمبه‌اي مواد خوراكي را داشته باشد. از آنجائي كه بين كينتيك توليد گاز در شكمبه و تركيبات شيميايي موجود در مواد خوراكي ارتباط وجود دارد، لذا ANN بايست بتواند با استفاده از تركيبات شيميايي، كينتيك توليد گاز را پيش‌بيني نمايد. لذا پژوهش حاضر به‌منظور مقايسه دقت ANN و برخي مدل‌هاي غيرخطي در پيش‌بيني كينتيك توليد گاز در شكمبه انجام شد. مواد و روش‌ها: براي انجام اين آزمايش از تعداد 25 ماده خوراكي مختلف در قالب آزمون توليد گاز استفاده شد. ابتدا، حجم گاز توليدشده در زمان‌هاي 2، 4، 6، 8، 10، 12، 16، 20، 24، 36، 48، 72 و 96 ساعت پس از انكوباسيون ثبت گرديد. سپس، نتايج به‌دست‌آمده (حجم گاز توليدشده در زمان‌هاي مختلف انكوباسيون) به مدل‌هاي اكسپونانشيال (EXP) و فرانس (FRC) برازش داده شدند. در ساخت ANN از تركيبات شيميايي (شامل درصد ماده آلي، پروتئين خام، چربي‌ خام، ديواره سلولي، ديواره سلولي بدون همي سلولز و كربوهيدرات غير فيبري) به‌عنوان ورودي ANN و حجم گاز توليدشده در زمان‌هاي مختلف انكوباسيون (ميلي‌ليتر بر 200 ميلي‌گرم ماده خشك) به‌عنوان خروجي ANN استفاده شد. به‌منظور بررسي نكويي برازش مدل‌ها از آماره‌هاي ريشه دوم ميانگين مربعات خطا(RMSE) ، ضريب تعيين (R2) و معيار اطالعات آكائيك (AIC) استفاده شد. نتايج و بحث: بهترين ساختار ANN با استفاده از 6 نورون در لايه ورودي، 5 نورون در لايه پنهان و 1 نورون در لايه خروجي به دست آمد. شبكه ساخته‌شده، به‌صورت پرسپترون چندلايه (MLP) با الگوريتم آموزشي برويدن-فلچر-گلدفارپ-شانو (BFGS) با تابع انتقال لجستيك در لايه پنهاني و تابع تانژانتي در لايه خروجي بود. مقدار RMSE (53/1) در مدل FRC به‌طور معني‌داري كمتر از مدل‌هاي EXP (10/5) و ANN (72/4) بود (05/0p ). همچنين مقدار R2 در مدل EXP (971/0) به‌طور معني‌داري كمتر از مدل‌هاي FRC (998/0) و ANN (995/0) بود (05/0p ). مقدار AIC هم در مدل‌هاي FRC، EXP و ANN به ترتيب 96/24، 97/48 و 02/45 بود كه نشان‌دهنده دقت بالاتر مدل FRC و دقت كمتر مدل EXP بود. نتيجه‌گيري كلي: به‌طوركلي مدلANN ايجادشده نسبت به مدل EXP از دقت برازش بالاتري برخوردار بود، اما نسبت به مدل FRC داراي دقت كمتري بود. به نظر مي‌رسد كه از ANN مي‌توان جهت پيش‌بيني كينتيك توليد گاز در شكمبه با دقت نسبتاً خوبي استفاده نمود.
  • كشور
    ايران