میلاد کاهکش - دانش آموخته کارشناسی ارشد علوم دامی دانشگاه آزاد اسلامی واحد خوراسگان)اصفهان(
مجید طغیانی - دانشیار گروه علوم دامی دانشگاه آزاد اسلامی واحد خوراسگان)اصفهان(
محمود هنرور - دانشیار گروه علوم دامی دانشگاه آزاد اسلامی واحد شهر قدس
اکبر قندی - مربی پژوهشی و عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان اصفهان

گندم می تواند به عنوان یکی از بهترین گزینه ها برای جایگزینی بخشی از ذرت جیره باشد. برای تهیه یک جیره متوازن باید کمیت مواد مغذی در خوراک های گوناگون را بشناسیم. استفاده از جداول غذایی طیور قابل اعتماد نبوده و همچنین روشهای آزمایشگاهی نیز پر هزینه و وقت گیر است. روشهای یادگیری ماشین به تازگی در صنعت دام و طیور استفاده شده است که از آن جمله می توان به روش ماشین بردار پشتیبان و روش جنگل های تصادفی اشاره نمود. در این تحقیق از 73 رقم گندم کشوراستفاده گردید. سپس با 8 بار نمونه برداری از هر رقم، تعداد نمونه ها به 01 عدد افزایش یافت. در ادامه به منظور اندازه گیریمقادیر ماده خشک، فیبر خام، چربی، خاکستر و انرژی خام در آزمایشگاه از بخشی از نمونه ها و قسمتی نیز برای به دست آوردن پروتئین خام و 71 اسید آمینه ضروری گندم، استفاده گردید. برای اندازه گیری میزان پروتئین و اسیدهای آمینه به روشNIRAنمونه های گندم به شرکت دگوسا آلمان ارسال شدند. ضریب تبیین حاصل از پیش بینی ایزولوسین در مدلRFفنیل آلانین و والین در مدلSVMو لوسین در مدل رگرسیونی بالاترین اعداد بودند و در هر سه مدل کمترین خطا برای تریپتوفان حاصل شد. مجموع می توان بیان داشت که مدل های جنگل های تصادفی و ماشین بردار پشتیبان در کنار روش رگرسیونی البته در سطحی پایین تر قادر به پیش بینی میزان اسیدهای ارقام مختلف گندم با استفاده از مقادیر تجزیه تقریبی می باشند.

پیش بینی اسیدهای آمینه، روش جنگل های تصادفی، گندم، ماشین بردار پشتیبان، مدل سازی