Technical note: Bayesian calibration of dynamic ruminant nutrition models

مدل های مکانیکی هضم و متابولیسم گوسفند، درک ما از فرآیندهای فیزیولوژی حیوانات جسمی را تقویت کرده است. شیوه های مدل سازی دقیق، تغییرات ذاتی در داخل و در میان حیوانات فردی را نادیده می گیرند و بدین ترتیب هیچ راهی برای ارزیابی اینکه چگونه منابع خطا نتایج خروجی های مدل را تحت تاثیر قرار می دهد، ندارند. ما کالیبراسیون بیزی را از مدل های ریاضی معرفی می کنیم تا نیاز به ابزارهای مدل سازی مکانیکی قوی داشته باشیم که می توانند تجزیه و تحلیل خطا را با باقی ماندن در محدوده برآورد پارامترهای مبتنی بر داده ها جای دهند. به منظور پیش بینی، رویکرد بیزی، یک توزیع پیش بینی خفیف تولید می کند که نشان دهنده برآورد جاری از ارزش متغیر پاسخ است، با توجه به عدم اطمینان در مورد پارامترها و تغییرات باقی مانده مدل. پیش بینی ها به عنوان توزیع های احتمالی بیان می شوند، بنابراین اطلاعات قابل توجهی بیشتر از تخمین های نقطه در رابطه با عدم اطمینان انتقال می یابد. مطالعه ما برخی از مزایای فنی کالیبراسیون بایس را نشان می دهد و دیدگاه های آینده را در زمینه مدل سازی تغذیه حیوانات مورد بحث قرار می دهد.