RESUMO
The purpose of this study was to propose a bicompartmental nonlinear model and to identify the best-performing model between the proposed model and the bicompartmental logistic (BL) mode regarding the quality of fit to the curve of cumulative gas production (CGP) using corn silage, sunflower, and their mixtures. Gas production was measured 2, 3, 4, 6, 8, 9, 10, 12, 15, 19, 24, 30, 36, 48, 72, and 96 h after beginning the in vitro fermentation process. The generated data were used to generate the parameters of each model tested using the stats package of the R computational tool version 4.0.4. The mathematical models were subjected to the following selection criteria: the adjusted coefficient of determination (Raj.), residual mean square (RMS), mean absolute deviation (MAD), and Akaike information criterion (AIC). It was demonstrated that the proposed model had better performance with a high Raj., and lower values of RMS, AIC, and MAD than the bicompartmental logistic model for the prediction of the parameters of cumulative gas production (CGP), per to present a superior fit in the set of criteria according to the methodology and conditions in which the present study was developed.(AU)
No presente trabalho, com silagem de milho, girassol e suas misturas, objetivou-se propor um modelo não linear bicompartimental e identificar entre o modelo proposto e Logístico Bicompartimental (LB), aquele que apresenta maior qualidade de ajuste à curva de cinética de produção cumulativa de gases (PCG). A leitura da produção de gás foi realizada nos tempos 2, 3, 4, 6, 8, 9, 10, 12, 15, 19, 24, 30, 36, 48, 72 e 96 horas, após o início do processo de fermentação in vitro. Os dados gerados foram utilizados para geração dos parâmetros de cada modelo testado com auxílio do pacote stats da ferramenta computacional R versão 4.0.4. Os modelos matemáticos foram submetidos aos seguintes critérios de seleção o coeficiente de determinação ajustado (Raj.), quadrado médio do resíduo (QMR), desvio médio absoluto (DMA) e o critério de informação de Akaike (AIC). Foi demonstrado que o modelo proposto teve melhor desempenho com altos Raj., e menores valores de QMR, AIC e DMA, por apresentar um ajustamento superior no conjunto dos critérios em comparação com o modelo logístico bicompartimental para a predição dos parâmetros de produção cumulativa de gases (PCG) de acordo com a metodologia e condições em que foi desenvolvido o presente estudo.(AU)