Spelling suggestions: "subject:"_método dde cornell"" "subject:"_método dde fornell""
1 |
Fracionamento de carboidratos e proteínas e a predição da proteína bruta e suas frações e das fibras em detergentes neutro e ácido de Brachiaria brizantha cv. Marandu por uma rede neural artificial / Fractions of carbohydrates and proteins and the prediction of the crude protein and its fractions and of fibres in detergents neutral and acid of Brachiaria brizantha cv. marandu for artificial neural networkBrennecke, Käthery 28 February 2007 (has links)
Numa área experimental de 25,2 ha formada com o capim-braquiarão (Brachiaria brizantha (Hochst) Stapf.) cv. Marandu e localizada no Campus da USP em Pirassununga/SP, durante o período de janeiro a julho de 2004, conduziu-se a presente pesquisa pela Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) com os seguintes objetivos: 1) Determinar as frações de carboidratos (A - açúcares solúveis com rápida degradação ruminal; B1- amido e pectina; B2 - parede celular com taxa de degradação mais lenta; C - fração não digerida) e as frações protéicas (A - NNP; B1 - peptídeos e oligopeptídeos; B2 - proteína verdadeira; B3 - NFDN; C - NIDA) na forragem da gramínea, baseados nas equações utilizadas pelo método de Cornell; 2) Relacionar outras variáveis com as medições em campo de experimentos paralelos e dados de elementos de clima com as frações protéicas e de carboidratos com o auxílio de um modelo computacional baseado em redes neurais artificiais (RNA). O delineamento foi em blocos completos e casualizados, com quatro tratamentos (ofertas de forragem de 5, 10, 15 e 20% - kg de massa seca por 100 kg de peso animal.dia) e quatro repetições. Cada bloco era dividido em quatro unidades experimentais de 1,575 ha, com cinco piquetes de 0,315 ha cada. Os animais eram manejados em cada unidade experimental em lotação rotacionada, com períodos de descanso de 28 dias no verão e 56 dias no inverno e período de ocupação de 7 dias, respectivamente. As amostras eram colhidas 2 dias antes da entrada dos animais à altura do resíduo do pastejo anterior. Foram determinados produção de massa seca (MS), alturas de pré e pós pastejo, fibras em detergente ácido (FDA) e neutro (FDN), sacarose, amido, lignina, extrato etéro (EE), carboidrato totais (CHO), carboidratos não estruturais (CNE), frações A, B1, B2 e C de carboidratos, proteína bruta (PB), frações A, B1, B2, B3 e C de proteínas e análise de uma rede neural artificial para uma predição dos teores de FDA, fibra em detergente neutro, PB e as frações protéicas. A produção de massa seca (MS) foi significativa, quando se estudou os efeitos da oferta de forragem (p<0,05), ciclo de pastejo (p<0,05) e da interação oferta de forragem x ciclo de pastejo (p<0,05). A maior produção foi no mês de março, quando se alcançou a média de 16140 kg MS/há para o oferta de 20%. Os teores de FDA foram significativos, quando se estudou a oferta de forragem (p<0,05) e seus maiores. Os teores médios da fibra em detergente neutro foram de 66,3 e 64,7% no verão e inverno respectivamente. Houve diferenças significativas para PB, quando se estudou a oferta de forragem (p<0,05), sendo seus teores médios de maior valor na OF a 5%. Observa aumento dos CNE em função de lâminas e colmos ao longo das estações do ano com interação no CP x OF (p<0,05) e seus maiores valores foram encontrados no ciclo de pastejo 3 na oferta de forragem 5%. Os teores de CHO totais apresentaram diferenças (p<0,10) em função da oferta de forragem, sendo os maiores teores médios encontrados na oferta de forragem de 20%. As frações A e B2 de CHO foram significativas em função da oferta de forragem (p<0,05), enquanto que os maiores teores médios da fração A foram encontrados nos ciclos de pastejo 3 e 4 e das frações B2 (%CHO) no ciclo de pastejo 1. As frações B2 e C de CHO apresentaram-se diferentes (p<0,05) nos ciclos de pastejo, sendo decrescentes para a fração B1 e crescentes para a fração C. As frações A (47%), B1 (11%) e B3 (10%) de proteínas foram significativas nos ciclos de pastejos. Os teores médios da fração B2 de proteínas apresentaram-se semelhantes (p>0,05) e os da fração C de proteínas foram diferentes (p<0,05) nas ofertas de forragem e ciclos de pastejo. Conclui-se que os ciclos de pastejos interferiram em todas as variáveis estudadas e que os teores das frações de proteínas e carboidratos estão dentro da variação (%) encontrada na literatura. A rede neural artificial conseguiu vincular as interações existentes de dados de campo e estimar os valores laboratoriais dentro de erros esperados, permitindo com isso desvincular análises laboratoriais, de qualidade de planta forrageira, à pesquisa agropecuária e com isso obter além de resultados mais rápidos, menor custo de pesquisa. / In a experimental área of 25.2 há formed with capim-braquiarão (Brachiaria brizantha (Hochst) Stapf ) cv. Marandu located in University of São Paulo Campus of Pirassununga/SP, during the period of january to july of 2004 was lead the present recherché for Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) to appetent the following objectives: 1) Determine protein fractions (the NNP; B1 - peptides and oligopepitides; B2 - true protein; B3 - NDF, C - AND) and carbohydrates fractions (soluble sugars with fast rumem degradation); B1(starch and pectin); B2 (cell wall alower degradation rate; C (indigested fraction rate) in the fodder plant of the grass, as it\'s respetive dregadability rate, based on equations using Cornell model. 2) To relate other variables measurements in field to parallel experiments and climate elements to the protein and carbohydrate fractions was used a computacional model based in nets of artificial neural. The randomized complete block design with four treatments (herbage allowance of 5, 10, 15 and 20% - kg of dry mass for 100 kg of animal.dia weight) and four repetitions. Each block was divided in four experimental units of 1,575 ha, with five 0,315 poles of ha each. The animals were management in each experimental unit in rotational grazing capacity, with periods of rest of 28 days in the summer and 56 days in the winter and period of occupation of 7 days, respectively. The samples were harvested 2 days before the entrance of the animals to the height of the residue of pasture previous. Were conducted analysis of production of dry mass (DM), heights daily pay and after grazing, staple fibers in acid detergent (ADF) and neutral (NDF), sacarose, starch, lignina, extract etereo (EE), carbohydrate (CHO), not structural carbohydrate (NSC), fractions A, B1, B2 and C of carbohydrate, crude protein (CP), fractions protein A, B1, B2, B3 and C and analysis of artificial neural network for a prediction of levels of ADF, NDF, CP and protéicas fractions. The dry matter (DM) production was significant for herbage allowance (p<0,05), grazing periods (p<0,05) and interaction between allowances x grazing periods (p<0,05). The righ production was in February 13,352 kg MS/ha. The ADF was significant for allowance and grazing periods (p<0,05), with 34.8%, on summer and 35.9% on winter. The average measured of NDF on summer and winter was 66.3 and 64.7%, respectively. It showed significant differences of PC when studied the allowance (p<0,05) and its average measured on summer and winter was 8,3 and 8,1%, respectively. It observes increase of the CNE in function of blades and stem to the long one of the stations of the year with interaction in grazing periods x herbage allowance and its bigger values had been found in the grazing periods 3 with herbage allowance 5%. The total texts of CHO had presented differences (p<0,10) in function of herbage allowance, being biggest found average texts in herbage allowance of 20%. The fractions and the B2 of CHO had been significant, when studied in function of the herbage allowance (p<0,05) for the fraction A and for fraction B2 (p<0,05); the biggest average texts in % of CHO of the fraction had been found It in the cycles of grazing 3 and 4 and the B2 fractions (%CHO) in the grazing periods 1. Fractions B2 (p<0,05) and C (p<0,05) of CHO had presented significant differences, when studied the factor grazing periods, where the B1 fraction the texts had been diminishing the measure that increased the grazing periods and fraction C the texts had increased the measure that had increased the grazing periods. The A, B1 and B3 protein fraction was significant when was studied the grazing periods and the results were 0,47; 0,11; 0,10 respectively. The B2 fraction was not significant. C fraction was significant when studied the allowance (p<0,05) and grazing periods (p<0,05). It was concluded that the grazing periods had intervened with all the studied 0 variable and that the texts of the protein fractions and carbohydrates are inside of the variation (%) found in literature. The results from lab was used to train and test neural network. With a program developed by neural network in a mult layer perceptron with capacity to predict the parameters of nutrition and nourishing value from parameters of forage plant intrinsic and extrinsic, where it was allowed to disentail lab analysis of forage plant quality on the farm research, to get beyond faster and have less research costs.
|
2 |
Fracionamento de carboidratos e proteínas e a predição da proteína bruta e suas frações e das fibras em detergentes neutro e ácido de Brachiaria brizantha cv. Marandu por uma rede neural artificial / Fractions of carbohydrates and proteins and the prediction of the crude protein and its fractions and of fibres in detergents neutral and acid of Brachiaria brizantha cv. marandu for artificial neural networkKäthery Brennecke 28 February 2007 (has links)
Numa área experimental de 25,2 ha formada com o capim-braquiarão (Brachiaria brizantha (Hochst) Stapf.) cv. Marandu e localizada no Campus da USP em Pirassununga/SP, durante o período de janeiro a julho de 2004, conduziu-se a presente pesquisa pela Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) com os seguintes objetivos: 1) Determinar as frações de carboidratos (A - açúcares solúveis com rápida degradação ruminal; B1- amido e pectina; B2 - parede celular com taxa de degradação mais lenta; C - fração não digerida) e as frações protéicas (A - NNP; B1 - peptídeos e oligopeptídeos; B2 - proteína verdadeira; B3 - NFDN; C - NIDA) na forragem da gramínea, baseados nas equações utilizadas pelo método de Cornell; 2) Relacionar outras variáveis com as medições em campo de experimentos paralelos e dados de elementos de clima com as frações protéicas e de carboidratos com o auxílio de um modelo computacional baseado em redes neurais artificiais (RNA). O delineamento foi em blocos completos e casualizados, com quatro tratamentos (ofertas de forragem de 5, 10, 15 e 20% - kg de massa seca por 100 kg de peso animal.dia) e quatro repetições. Cada bloco era dividido em quatro unidades experimentais de 1,575 ha, com cinco piquetes de 0,315 ha cada. Os animais eram manejados em cada unidade experimental em lotação rotacionada, com períodos de descanso de 28 dias no verão e 56 dias no inverno e período de ocupação de 7 dias, respectivamente. As amostras eram colhidas 2 dias antes da entrada dos animais à altura do resíduo do pastejo anterior. Foram determinados produção de massa seca (MS), alturas de pré e pós pastejo, fibras em detergente ácido (FDA) e neutro (FDN), sacarose, amido, lignina, extrato etéro (EE), carboidrato totais (CHO), carboidratos não estruturais (CNE), frações A, B1, B2 e C de carboidratos, proteína bruta (PB), frações A, B1, B2, B3 e C de proteínas e análise de uma rede neural artificial para uma predição dos teores de FDA, fibra em detergente neutro, PB e as frações protéicas. A produção de massa seca (MS) foi significativa, quando se estudou os efeitos da oferta de forragem (p<0,05), ciclo de pastejo (p<0,05) e da interação oferta de forragem x ciclo de pastejo (p<0,05). A maior produção foi no mês de março, quando se alcançou a média de 16140 kg MS/há para o oferta de 20%. Os teores de FDA foram significativos, quando se estudou a oferta de forragem (p<0,05) e seus maiores. Os teores médios da fibra em detergente neutro foram de 66,3 e 64,7% no verão e inverno respectivamente. Houve diferenças significativas para PB, quando se estudou a oferta de forragem (p<0,05), sendo seus teores médios de maior valor na OF a 5%. Observa aumento dos CNE em função de lâminas e colmos ao longo das estações do ano com interação no CP x OF (p<0,05) e seus maiores valores foram encontrados no ciclo de pastejo 3 na oferta de forragem 5%. Os teores de CHO totais apresentaram diferenças (p<0,10) em função da oferta de forragem, sendo os maiores teores médios encontrados na oferta de forragem de 20%. As frações A e B2 de CHO foram significativas em função da oferta de forragem (p<0,05), enquanto que os maiores teores médios da fração A foram encontrados nos ciclos de pastejo 3 e 4 e das frações B2 (%CHO) no ciclo de pastejo 1. As frações B2 e C de CHO apresentaram-se diferentes (p<0,05) nos ciclos de pastejo, sendo decrescentes para a fração B1 e crescentes para a fração C. As frações A (47%), B1 (11%) e B3 (10%) de proteínas foram significativas nos ciclos de pastejos. Os teores médios da fração B2 de proteínas apresentaram-se semelhantes (p>0,05) e os da fração C de proteínas foram diferentes (p<0,05) nas ofertas de forragem e ciclos de pastejo. Conclui-se que os ciclos de pastejos interferiram em todas as variáveis estudadas e que os teores das frações de proteínas e carboidratos estão dentro da variação (%) encontrada na literatura. A rede neural artificial conseguiu vincular as interações existentes de dados de campo e estimar os valores laboratoriais dentro de erros esperados, permitindo com isso desvincular análises laboratoriais, de qualidade de planta forrageira, à pesquisa agropecuária e com isso obter além de resultados mais rápidos, menor custo de pesquisa. / In a experimental área of 25.2 há formed with capim-braquiarão (Brachiaria brizantha (Hochst) Stapf ) cv. Marandu located in University of São Paulo Campus of Pirassununga/SP, during the period of january to july of 2004 was lead the present recherché for Faculdade de Zootecnia e Engenharia de Alimentos (FZEA/USP) to appetent the following objectives: 1) Determine protein fractions (the NNP; B1 - peptides and oligopepitides; B2 - true protein; B3 - NDF, C - AND) and carbohydrates fractions (soluble sugars with fast rumem degradation); B1(starch and pectin); B2 (cell wall alower degradation rate; C (indigested fraction rate) in the fodder plant of the grass, as it\'s respetive dregadability rate, based on equations using Cornell model. 2) To relate other variables measurements in field to parallel experiments and climate elements to the protein and carbohydrate fractions was used a computacional model based in nets of artificial neural. The randomized complete block design with four treatments (herbage allowance of 5, 10, 15 and 20% - kg of dry mass for 100 kg of animal.dia weight) and four repetitions. Each block was divided in four experimental units of 1,575 ha, with five 0,315 poles of ha each. The animals were management in each experimental unit in rotational grazing capacity, with periods of rest of 28 days in the summer and 56 days in the winter and period of occupation of 7 days, respectively. The samples were harvested 2 days before the entrance of the animals to the height of the residue of pasture previous. Were conducted analysis of production of dry mass (DM), heights daily pay and after grazing, staple fibers in acid detergent (ADF) and neutral (NDF), sacarose, starch, lignina, extract etereo (EE), carbohydrate (CHO), not structural carbohydrate (NSC), fractions A, B1, B2 and C of carbohydrate, crude protein (CP), fractions protein A, B1, B2, B3 and C and analysis of artificial neural network for a prediction of levels of ADF, NDF, CP and protéicas fractions. The dry matter (DM) production was significant for herbage allowance (p<0,05), grazing periods (p<0,05) and interaction between allowances x grazing periods (p<0,05). The righ production was in February 13,352 kg MS/ha. The ADF was significant for allowance and grazing periods (p<0,05), with 34.8%, on summer and 35.9% on winter. The average measured of NDF on summer and winter was 66.3 and 64.7%, respectively. It showed significant differences of PC when studied the allowance (p<0,05) and its average measured on summer and winter was 8,3 and 8,1%, respectively. It observes increase of the CNE in function of blades and stem to the long one of the stations of the year with interaction in grazing periods x herbage allowance and its bigger values had been found in the grazing periods 3 with herbage allowance 5%. The total texts of CHO had presented differences (p<0,10) in function of herbage allowance, being biggest found average texts in herbage allowance of 20%. The fractions and the B2 of CHO had been significant, when studied in function of the herbage allowance (p<0,05) for the fraction A and for fraction B2 (p<0,05); the biggest average texts in % of CHO of the fraction had been found It in the cycles of grazing 3 and 4 and the B2 fractions (%CHO) in the grazing periods 1. Fractions B2 (p<0,05) and C (p<0,05) of CHO had presented significant differences, when studied the factor grazing periods, where the B1 fraction the texts had been diminishing the measure that increased the grazing periods and fraction C the texts had increased the measure that had increased the grazing periods. The A, B1 and B3 protein fraction was significant when was studied the grazing periods and the results were 0,47; 0,11; 0,10 respectively. The B2 fraction was not significant. C fraction was significant when studied the allowance (p<0,05) and grazing periods (p<0,05). It was concluded that the grazing periods had intervened with all the studied 0 variable and that the texts of the protein fractions and carbohydrates are inside of the variation (%) found in literature. The results from lab was used to train and test neural network. With a program developed by neural network in a mult layer perceptron with capacity to predict the parameters of nutrition and nourishing value from parameters of forage plant intrinsic and extrinsic, where it was allowed to disentail lab analysis of forage plant quality on the farm research, to get beyond faster and have less research costs.
|
Page generated in 0.0427 seconds