کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8376709 1543160 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A data-fitted mathematical sequence to calculate depuration rates for pesticide residues in milk from dairy cow feeding studies
ترجمه فارسی عنوان
یک توالی ریاضی محاسبه شده با داده ها برای محاسبه میزان پاک شدن بقایای آفت کش در شیر از مطالعات تغذیه گاو شیری
کلمات کلیدی
ترجمه چکیده
یک توالی ریاضی برای استخراج اطلاعات در مورد میزان میزان مانده آفت کش ها و کاهش شیر از گاوهای شیری به مدت چند روز با استفاده از آفت کش در یک مطالعه تغذیه دام معرفی شده است. توالی توسط دو پارامتر تنظیم می شود: 1) افزایش اضافه شده از غلظت باقیمانده نسبت به دوز روزانه؛ 2) نسبت ثابت نسبت باقی مانده در روز تخلیه می شود. مقادیر پارامترها با یافتن بهترین ترتیب توالی به بقایای اندازه گیری شده در شیر بدست می آیند. رفتار باقی مانده در مرحله تخلیه (پس از دوز متوقف شده) به خوبی با پارامترهای به دست آمده از مرحله دوز پیش بینی شده است. همه مطالعات تغذیه گاوهای شیری شامل یک مرحله پاک کردن نیستند، بنابراین توالی ریاضی با داده ها حاوی اطلاعات قبلا فاقد اطلاعات است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات محاسباتی
پیش نمایش مقاله
یک توالی ریاضی محاسبه شده با داده ها برای محاسبه میزان پاک شدن بقایای آفت کش در شیر از مطالعات تغذیه گاو شیری
چکیده انگلیسی
A mathematical sequence is introduced to extract information on the rate of pesticide residue level increase and decline in milk from dairy cows dosed, for a number of days, with pesticide in a livestock feeding study. The sequence is governed by two parameters: 1) the added increment of residue concentration attributed to the daily dose and, 2) the constant proportion of residue dissipated in a day. Values for the parameters are obtained by finding the best fit of the sequence to the measured residues in the milk. Behaviour of the residue in the depuration phase (after dosing has ceased) is well predicted by the parameters obtained from the dosing phase. Not all dairy cow feeding studies have included a depuration phase, so the data-fitted mathematical sequence supplies the previously lacking information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Toxicology - Volume 6, May 2018, Pages 1-8
نویسندگان
,