Excessively applied manure contains

Excessively applied manure contains a considerable amount of nutrient content such as nitrogen and phosphorus that could potentially pollute groundwater and soil. The present paper evaluated the use of nonlinear regression methods, such as artificial neural networks (ANN), for developing near infrared reflectance spectroscopy calibration models to predict nutrient content in poultry manure. Four representative nutrient ingredients (ammonia nitrogen, AN; total potassium, TK; total nitrogen, TN; total phosphorus, TP) in poultry manure were selected for evaluating ANN feasibility using 91 diverse samples in which three-fourths of the samples were used as a training set and one-fourth as a validation set. The performance of the ANN models was compared with the partial least squares (PLS) models. We found that the ANN models for all 4 nutrient contents consistently gave better predictions than PLS models. The ratios of prediction to deviation of 2.62 (AN), 1.51 (TK), 2.75 (TN), and 2.01 (TP) with the PLS models were improved to 3.02 (AN), 1.74 (TK), 3.41 (TN), and 2.71 (TP) with the corresponding ANN models. These findings demonstrated that the near infrared reflectance spectroscopy model based on the ANN method may be an appropriate tool to predict nutrient content in poultry manure.

ผลลัพธ์ (ไทย) 1:

มูลที่ใช้มากเกินไปประกอบด้วยยอดมากเนื้อหาธาตุอาหารเช่นไนโตรเจนและฟอสฟอรัสที่ไม่อาจก่อให้เกิดมลพิษดินและน้ำบาดาล ปัจจุบันกระดาษประเมินใช้วิธีการถดถอยไม่เชิงเส้น เช่นประดิษฐ์ประสาทเครือข่าย (แอน), สำหรับพัฒนาใกล้แบบสะท้อนแสงอินฟราเรดกปรับเทียบแบบจำลองเพื่อทำนายเนื้อหาธาตุอาหารในมูลสัตว์ปีก ส่วนผสมธาตุอาหารตัวแทนสี่ (แอมโมเนียไนโตรเจน AN รวม โพแทสเซียม TK ไนโตรเจน TN รวม ฟอสฟอรัส TP) ในสัตว์ปีก มูลถูกเลือกสำหรับการประเมินโครงการแอนน์ใช้ 91 ตัวอย่างหลากหลายที่สาม-fourths ตัวอย่างที่ใช้เป็นชุดฝึกและหนึ่งส่วนสี่เป็นชุดตรวจสอบ ประสิทธิภาพของรูปแบบแอนถูกเปรียบเทียบกับรูปแบบกำลังสองน้อยที่สุดบางส่วน (กรุณา) เราพบว่า รุ่นแอนสำหรับเนื้อหาธาตุอาหารทั้งหมด 4 อย่างสม่ำเสมอให้คาดคะเนดีกว่ารุ่นกรุณา อัตราส่วนของการคาดการณ์การเบี่ยงเบน 2.62 (AN), 1.51 (TK), 2.75 (TN), และ 2.01 (TP) มีรูปแบบกรุณาได้ปรับปรุง 3.02 (AN), 1.74 (TK), 3.41 (TN), และ 2.71 (TP) กับรุ่นแอนที่สอดคล้องกัน ผลการวิจัยเหล่านี้แสดงที่ที่ใกล้กแบบสะท้อนแสงอินฟราเรด แบบจำลองตามวิธีแอนอาจจะเป็นเครื่องมือที่เหมาะสมเพื่อทำนายเนื้อหาธาตุอาหารในมูลสัตว์ปีกได้

ผลลัพธ์ (ไทย) 2:

ใช้ปุ๋ยมากเกินไปมีเป็นจำนวนมากของปริมาณสารอาหารเช่นไนโตรเจนและฟอสฟอรัสที่อาจก่อให้เกิดมลพิษดินและดิน กระดาษในปัจจุบันการประเมินผลการใช้วิธีการถดถอยเชิงเส้นเช่นเครือข่ายประสาทเทียม (ANN) ในการพัฒนารูปแบบการสอบเทียบใกล้กับสเปคโทรสะท้อนอินฟราเรดที่จะคาดการณ์ปริมาณสารอาหารในมูลไก่ สี่ส่วนผสมของสารอาหารที่เป็นตัวแทน (ไนโตรเจนแอมโมเนีย; โพแทสเซียมรวม TK; ไนโตรเจนทั้งหมด, เทนเนสซี; ฟอสฟอรัสรวม TP) ในมูลไก่ที่ถูกเลือกสำหรับการประเมินความเป็นไปได้ ANN ใช้ 91 ตัวอย่างที่มีความหลากหลายในการที่สามในสี่ของกลุ่มตัวอย่างถูกนำมาใช้เป็น ชุดการฝึกอบรมและหนึ่งในสี่เป็นชุดการตรวจสอบ ผลการดำเนินงานในรูปแบบแอนได้รับการเปรียบเทียบกับสี่เหลี่ยมอย่างน้อยบางส่วน (PLS) รุ่น เราพบว่าแบบจำลอง ANN ทั้ง 4 เนื้อหาสารอาหารอย่างต่อเนื่องทำให้การคาดการณ์ที่ดีขึ้นกว่ารุ่น PLS อัตราส่วนของการทำนายที่จะเบี่ยงเบน 2.62 (เป็น) 1.51 (TK) 2.75 (TN) และ 2.01 (TP) กับ PLS รุ่นได้รับการปรับปรุงเพื่อ 3.02 (เป็น) 1.74 (TK) 3.41 (TN) และ 2.71 (TP) กับรุ่น ANN ที่สอดคล้องกัน การค้นพบนี้แสดงให้เห็นว่าการสะท้อนรูปแบบใกล้อินฟราเรดสเปกโทรสโกตามวิธี ANN อาจจะเป็นเครื่องมือที่เหมาะสมที่จะคาดการณ์ปริมาณสารอาหารในมูลไก่

ผลลัพธ์ (ไทย) 3:

มากเกินไป ใช้ปุ๋ยคอกมีปริมาณธาตุอาหาร เช่น ไนโตรเจน และฟอสฟอรัส เนื้อหาที่อาจก่อให้เกิดมลพิษน้ำใต้ดินและดิน กระดาษ ปัจจุบันใช้วิธีการถดถอยแบบไม่เชิงเส้น เช่น โครงข่ายประสาทเทียม ( ANN ) , การพัฒนา Near Infrared spectroscopy การสอบเทียบแบบจำลองเพื่อทำนายปริมาณธาตุอาหารในมูลไก่สี่ตัวแทนส่วนผสมธาตุอาหาร ( แอมโมเนียไนโตรเจน โพแทสเซียมทั้งหมด ; TK ; ไนโตรเจนรวม ฟอสฟอรัส ไนโตรเจน ; TP ) ในมูลไก่มีวัตถุประสงค์เพื่อประเมินความเป็นไปได้ในการใช้อย่างหลากหลายในแอน 91 ซึ่งสามในสี่ของจํานวนกลุ่มตัวอย่างที่ใช้ชุดฝึก และหนึ่งในสี่ตามการตั้งค่าการแสดงของแอน รุ่นเมื่อเทียบกับบางส่วน Least Squares ( PLS ) รุ่น เราพบว่าแอน แบบจำลองทั้ง 4 ธาตุอาหารอย่างต่อเนื่องให้คาดคะเนดีกว่ากรุณารุ่น อัตราส่วนของส่วนเบี่ยงเบนของการคาดการณ์ถึง 2.62 ( ) 1.51 ( TK ) 2.75 ( TN ) และ 2.01 ( TP ) กับ กรุณา โมเดลเพิ่มขึ้น 3.02 ( ) 1.74 ( TK ) , 3.41 ( TN ) และ 271 ( TP ) ที่สอดคล้องกับแอน รุ่น การค้นพบนี้แสดงให้เห็นว่า Near Infrared spectroscopy แบบตามวิธี แอนอาจจะเป็นเครื่องมือที่เหมาะสมเพื่อทำนายปริมาณธาตุอาหารในมูลไก่