Prediction of Methane Production from Dairy and Beef Cattle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Methane (CH4) is one of the major greenhouse gases being targeted for reduction by the Kyoto protocol. The focus of recent research in animal science has thus been to develop or improve existing CH4 prediction models to evaluate mitigation strategies to reduce overall CH4 emissions. Eighty-three beef and 89 dairy data sets were collected and used to develop statistical models of CH4 production using dietary variables. Dry matter intake (DMI), metabolizable energy intake, neutral detergent fiber, acid detergent fiber, ether extract, lignin, and forage proportion were considered in the development of models to predict CH4 emissions. Extant models relevant to the study were also evaluated. For the beef database, the equation CH4 (MJ/d) = 2.94 (+/- 1.16) + 0.059 (+/- 0.0201) x metabolizable energy intake (MJ/d) + 1.44 (+/- 0.331) x acid detergent fiber (kg/d) - 4.16 (+/- 1.93) x lignin (kg/d) resulted in the lowest root mean square prediction error (RMSPE) value (14.4%), 88% of which was random error. For the dairy database, the equation CH4 (MJ/d) = 8.56 (+/- 2.63) + 0.14 (+/- 0.056) x forage (%) resulted in the lowest RMSPE value (20.6%) and 57% of error from random sources. An equation based on DMI also performed well for the dairy database: CH4 (MJ/d) = 3.23 (+/- 1.12) + 0.81 (+/- 0.086) x DMI (kg/d), with a RMSPE of 25.6% and 91% of error from random sources. When the dairy and beef databases were combined, the equation CH4 (MJ/d) = 3.27 (+/- 0.79) + 0.74 (+/- 0.074) x DMI (kg/d) resulted in the lowest RMSPE value (28.2%) and 83% of error from random sources. Two of the 9 extant equations evaluated predicted CH4 production adequately. However, the new models based on more commonly determined values showed an improvement in predictions over extant equations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle