برازش برخی از مدل‌های غیر خطی به‌منظور پیش‌بینی کینتیک تخمیر شکمبه‌ای در علوفه‌های مختلف

پژوهشهای علوم دامی ایران

مقاله 5، دوره 14، شماره 4 - شماره پیاپی 52، دی 1401، صفحه 519-530   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/ijasr.2022.70783.1028

نویسندگان

خلیل زابلی^{* 1}؛ سعید مرادی²

¹گروه علوم دامی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.

²گروه علوم دامی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

چکیده

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 144 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 (R²)، انحراف مطلق میانگین باقی‌مانده (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 (68/104 میلی­لیتر به­ازای 200 میلی­گرم ماده خشک) تفاوت معنی­داری با مدل EXP (18/100 میلی­لیتر به­ازای 200 میلی­گرم ماده خشک) داشت (05/0p<). مدل EXP دارای بیشترین مقدار MSE (11/15) و کمترین مقدار R² (984/0) بود (05/0p<). مقدار RMAD در مدل EXP بیشترین (88/2) و در مدل FRC کمترین (85/0) مقدار بود (05/0P<). مقدار MPE در مدل­های FRC و RCH (به‌ترتیب 32/0 و 48/0) در مقایسه با سایر مدل­ها به عدد صفر نزدیک­تر بود. آزمون تست اجرا در مدل­های EXP و GOM معنی­دار شد (05/0p<) 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.

کلیدواژه‌ها

آزمون تولید گاز؛ علوفه؛ مدل‌های غیرخطی؛ نکویی‌برازش

مراجع

AOAC. (1995). Official Methods of Analysis, 16^th ed. Association of Official Analytical Chemists, Arlington, VA.

2. Beuvink, J. M., & Kogut, J. (1993). Modeling gas production kinetics of grass silages incubated with buffered ruminal fluid. Journal of Animal Science, 71(4), 1041-1046. DOI: 10.2527/1993.7141041x
3. Dhanoa, M. S., Lopez, S., Dijkstra, J., Davies, D. R., Sanderson, R., Williams, A. B., Zileshi, Z., & France, J. (2000). Estimating the extent of degradation of ruminant feeds from a description of their gas production profiles observed in vitro: Comparison of models. British Journal of Nutrition, 83, 131–142. DOI: 10.1017/s0007114500000179
4. France, J., Dhanoa, M. S., Theodorou, M. K., Lister, M. K., Davies, D. R., & Isac, D. (1993). A model to interpret gas accumulation profiles associated with in vitro degradation of ruminant feeds. Journal of Theoretical Biology, 163, 99–111. DOI:10.1006/jtbi.1993.1109
5. Huhtanen, P., Seppälä, A., Ahvenjärvi, S., & Rinne, M. (2008). Prediction of in vivo neutral detergent fiber digestibility and digestion rate of potentially digestible neutral detergent fiber: Comparison of models. Journal of Animal Science, 86, 2657–2669. DOI:10.2527/jas.2008-0894
6. Korkmaz, M., & Uckades, F. (2014). An alternative robust model for in situ degradation studies. Iranian Journal of Applied Animal Science, 4(1), 45-51.
7. McDonald, P., Edwards, R. A., Greenhalgh, J. F. D., & Morgan, C. A. (1995). Animal nutrition. Longman Scientific and T echnical, New York. USA.
8. 8. Menke, K. H., & Steingass, H. (1988). Estimation of the energetic feed value obtainedfrom chemical analysis in vitro gas production using rumen fluid. Animal Research and Development, 28, 7-55.
9. Moradi, S., & Zaboli, Kh. (2018). Prediction of gas production kinetic in tomato pulp using some nonlinear models. Eleventh National Congress on Biosystem, Engineering and Mechanization, university of Bu Ali Sina, Hamadan. Iran (In Persian)
10. Moradi, S., & Zaboli, Kh. (2018). Prediction of ruminal fermentation kinetics of alfalfa forage using some nonlinear models. Eighth Iranian Animal Science Congress, university of Kurdestan, Sanandaj, Iran (In Persian).
11. Peripolli, V., Prates, E. R., Barcellos, J. O. J., McManus, C. M., Wilbert, C. A., BracciniNeto, J., Camargo, C. M., & Lopes, R. B. (2014). Models for gas production adjustment in ruminant diets containing crude glycerol. Livestock Research for Rural Development 26 (2), from http://www.lrrd.org/lrrd26/2/peri26028.htm.
12. Pitt, R. E., Cross, T. L., Pell, A. N., Schofield, P., & Doane, P. H. (1999). Use of in vitro gas production models in ruminal Kinetics. Mathematical Biosciences, 159(2), 145-163. DOI: 10.1016/s0025-5564(99)00020-6
13. 13. Sahin, M., Uckardes, F., Canbolat, O., Kamalak, A., & Atalay, A. I. (2011). Estimation of partial gas production times of some feedstuffs used in ruminant nutrition. Kafkas Üniversitesi Veteriner Fakültesi Dergisi Journal, 17, 731-734.
14. SAS, (1999). The SAS system for windows.Release 8.0.1.SAS Institutue Inc, Cary, USA.
15. Seker, E. (2002). The determination of the energy values of some ruminant feeds by using digestibility trial and gas test. Revue de Medecine Veterinaire, 153(5), 323-328.
16. Uckardes, F., & Efe, E. (2014). Investigation on the usability of some mathematical models in in vitro gas production techniques. Slovak Journal of Animal Science, 47 (3), 172-179.
17. Van-Soest, P. J., Robertson, J. B., & Lewis, B. A. (1991). Methods for dietary fiber, neutral detergent fiber and nonstarch polysaccharides in relation to animal nutrition. Journal of Dairy Science, 74, 3583–3597.
18. Wang, M., Tang, S. X., & Tan, Z. L. (2011). Modeling in vitro gas production kinetics: Derivation of Logistic-Exponential (LE) equations and comparison of models. Animal Feed Science and Technology, 165, 137-150. DOI: https://doi.org/10.1016/j.anifeedsci.2010.09.016
19. Wang, M., Sun, X. Z., tang, S. X., Tan, Z. L., & Pacheco, (2013). Deriving fractional rate of degradation of logistic-exponential (LE) model to evaluate early in vitro fermentation. Animal, 7(6), 920-929. DOI: https://doi.org/10.1017/S1751731112002443
20. Zaboli, Kh., Kalvandy, S., & Malecky, M. 2021. The accuracy of some models to estimate the coefficients of gas production test in corn silage. Iranian Journal of Animal Science Research, 12(4), 467-479 (In Persian) DOI:10.22067/ijasr.v12i4.80666
21. Zaboli, Kh., & Maleki, M. (2016). Prediction of ruminal fermentation kinetic of corn silage using some models by in vitro method. Journal of Ruminant Research, 4(3), 117-134. (In Persian) DOI: 10.22069/ejrr.2017.11674.1475
22. Zaboli, Kh., & Moradi, S. (2019). Predicting of gas production kinetic in lemon pulp using some nonlinear models. Fifth National Conference on Livestock, Poultry and Aquaculture Management, Shahid Bahonar university, Kerman. Iran (In Persian)
23. Zaboli, Kh. (2016). Comparison of fitting of some mathematical models to describe the ruminal fermentation kinetics according to gas production technique for alfalfa hay. Animal Production Research, 5(3), 35-47. (In Persian)