MétaCan
Menu
Retour à la cohorte
Enregistrement W2046157641 · doi:10.5539/jas.v5n11p208

Incorporation of Milk Yield, Dry Matter Intake and Phosphorous Excretion Predictive Functions in the Development of a Multi-Objective Dairy Feed Formulation Software Program

2013· article· en· W2046157641 sur OpenAlexvenueno aff
Stanley Mutuku Mutua, Bockline Omedo Bebe, A.K. Kahi, AY Guliye

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésManureAgricultural scienceDry matterAgricultural engineeringMathematicsDatabaseComputer scienceEnvironmental scienceAnimal scienceEngineeringAgronomy

Résumé

récupéré en direct d'OpenAlex

Predictive functions for milk yield, dry matter intake, and phosphorous-manure derived from the National Research Council 2001 and the present study were incorporated in the development of a multiple objective dairy feed formulation software program (MoF-Dairy Edition-2010); that attempted to optimise feed cost, milk yield and profits while minimising Phosphorous-excretion in manure. Important objects in the feed milling industry considered in the program development were feed millers, dairy farmers, and government feed policy regulatory guidelines. The multi-objective formulation approach comprises hierarchical design levels which include data, model, tools, and output layers. Program database objects are manipulated using VB.NET programming language within a Microsoft .NET Framework Environment. Users interact with the program by providing individual details after which a customer system instance is created. Program formulation inputs are entered through VB forms linked to the core simulation model layer (Microsoft SQL Server Database) to automatically calculate and generate nutrient requirements in accordance with NRC, 2001 for the particular cow or cow production groups under specified production performance parameters. The final solution is obtained by allowing the program to solve for the most feasible combination of available ingredients under the imposed formulation, ingredient as well as nutrient constraints. Program outputs include tailor-made reports on feed formulae; and the accompanying physical nutrient compositions and nutrient deviation analysis; potential unit and gross P-manure environmental pollution, and business economic analysis; detailing concentrate supplementation rates per cow per milking as well as the corresponding projected daily milk profit margins.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPhosphorus and nutrient managementTravaux en français237 207