Predição dos fracionamentos de proteínas de brachiaria brizantha cv marandu utilizando RNA
Resumen
Este artigo tem como objetivo relacionar variáveis morfogenéticas da forragem e dados climáticos com as frações de proteínas (A, B1, B2, B3 e C), através da rede neural aritifical conhecida como Multi-Layer Perceptron, com três camadas e algoritmo de treinamento baseado na retro-propagação do gradiente do erro, a fim de criar um modelo capaz de predizer as frações protéicas de forragens a partir de suas características morfogenéticas e climáticas. Os dados utilizados para o treinamento e teste da rede foram coletados em um experimento que foi realizado em uma área experimental de 25,2 ha, com coordenadas 47º 26" W, 21º 59" S, formada com capim braquiarão, em um delineamento em blocos completos e casualizados, com 4 repetições e uma oferta de forragem de 5% (5 kg de massa seca por 100 kg de peso animal.dia-1). Cada bloco foi dividido em quatro unidades experimentais de 1,575 ha, com cinco piquetes de 0,315 ha cada. As amostras foram colhidas dois dias antes da entrada dos animais, sendo a análise das frações de proteínas realizadas em laboratório para posteriormente serem comparadas com os valores estimados pela rede. Assim, através da comparação entre os dados de saída da rede e os obtidos pela análise laboratorial foi possível calcular o erro médio para as frações A, B1, B2, B3 e C de proteínas e com isso, pode-se concluir que o modelo MLP é capaz de predizer com eficiência as frações de proteínas de Brachiaria brizantha.
Palabras clave
Forragicultura
Texto completo:
PDF (Português (Brasil))DOI: https://doi.org/10.21071/az.v60i232.4011
Enlaces refback
- No hay ningún enlace refback.
Copyright (c) 2010 Archivos de Zootecnia
DESCARGA NUESTRA APLICACIÓN PARA SMARTPHONES
Haz click y sigue las intrucciones
Aplicación Móvil y Shorcut para Apple
Copyright
Esta obra está bajo una licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional.
Editorial
UCOPress. Cordoba University Press (UCOPress Editorial Universidad de Córdoba)
ISSN: 1885-4494
ROR Universidad de Córdoba: https://ror.org/05yc77b46