خلیل زابلی

امروزه از شبکه عصبی مصنوعی (ANN) جهت پیش بینی وقایع علمی به طور گسترده ای استفاده ای می شود. به نظر می رسد ANN توانایی پیش بینی حجم گاز تولید شده در شکمبه را داشته باشد. برای انجام این آزمایش از تعداد 25 ماده خوراکی مختلف استفاده شد. ابتدا ترکیبات شیمیایی این مواد خوراکی تعیین شد. سپس، حجم گاز تولید شده در آن ها در قالب آزمون تولید گاز اندازه گیری گردید. نتایج به دست آمده به مدل های غیرخطی اکسپونانشیال (EXP) و فرانس (FRC) برازش داده شدند. در ساخت ANN از درصد ترکیبات شیمیایی مواد خوراکی به عنوان لایه ورودی و از حجم گاز تولیدشده در زمان های مختلف انکوباسیون به عنوان لایه خروجی استفاده شد. جهت بررسی نکویی برازش داده ها از آماره های میانگین مربعات خطا (MSE)، ضریب تعیین (R2)، انحراف مطلق میانگین باقی مانده ها (RMAD) و میانگین درصد خطا (MPE) استفاده شد. نتایج نشان داد مقدار MSE در مدل های EXP (85/23) و ANN (06/23) به طور معنی داری بیشتر از مدل FRC (70/1) بود (05/0>p). مقدار R2 نیز در مدل FRC (998/0) و ANN (995/0) بطور معنی داری بیشتر از مدل EXP (980/0) بود (05/0>p). همچنین مقدار RMAD در مدل FRC بطور معنی داری کمتر از مدل های EXP و ANN بود (05/0>p). به طور کلی، نتایج نشان داد که در پیش بینی کینتیک تولید گاز، مدل ANN در مقایسه با مدل FRC دارای دقت کمتر و نسبت به مدل EXP دارای دقت بیشتری بود.