۳: از مجموع ۴ فرضیه پژوهش هر چهار فرضیه مورد تایید قرار گرفتند
نتایج خلاصه فرضیات در نگاره ۴- ۱۷ گنجانده شده‌اند.
نگاره ۴- ۱۷ ضرایب مسیر و معنی‌داری اثر سازه‌های پژوهش بر روی یکدیگر (آزمون فرضیات)

فرضیه

اثر سازه

به سازه

ضریب مسیر

آماره t

H1

دانش هوش فرهنگی

رفتارشهروندی مدیران شعب بانک ملت ایران

۴۸/۰

۱۶/۴

H2

انگیزش هوش فرهنگی

رفتارشهروندی مدیران شعب بانک ملت ایران

۶۳/۰

۳۲/۸

H3

رفتار هوش فرهنگی

رفتارشهروندی مدیران شعب بانک ملت ایران

۳۹/۰

۵۳/۴

H4

استراتژی هوش فرهنگی

رفتارشهروندی مدیران شعب بانک ملت ایران

۲۸/۰

۶۹/۲

فرضیه اول پژوهش بیان می دارد که دانش هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر می گذارد. با توجه به نتایج جدول ۴ -۱۷ مشخص می شود که ضریب مسیر اثر دانش هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران دارای مقدار ضریب مسیر مثبت ۴۸/۰ است که مقدار قدر مطلق t محاسبه شده برای آن ۱۶/۴ است که بیشتر از ۹۶/۱ محاسبه شده است. لذا فرض صفر رد می شود و با اطمینان ۹۹ درصد می توان گفت که دانش هوش فرهنگی بر رفتارشهروندی

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

مدیران شعب بانک ملت ایران تاثیر مستقیمی می گذارد.
فرضیه دوم پژوهش بیان می دارد که انگیزش هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر می گذارد. با توجه به نتایج جدول ۴ -۱۷ مشخص می شود که ضریب مسیر اثر انگیزش هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران دارای مقدار ضریب مسیر مثبت ۶۳/۰ است که مقدار قدر مطلق t محاسبه شده برای آن ۳۲/۸ است که بیشتر از ۹۶/۱ محاسبه شده است. لذا فرض صفر رد می شود و با اطمینان ۹۹ درصد می توان گفت که انگیزش هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر مستقیمی می گذارد.
فرضیه سوم پژوهش بیان می دارد که رفتار هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر می گذارد. با توجه به نتایج جدول ۴ -۱۷ مشخص می شود که ضریب مسیر اثر رفتار هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران دارای مقدار ضریب مسیر مثبت ۳۹/۰ است که مقدار قدر مطلق t محاسبه شده برای آن ۵۳/۴ است که بیشتر از ۹۶/۱ محاسبه شده است. لذا فرض صفر رد می شود و با اطمینان ۹۵ درصد می توان گفت که رفتار هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر مستقیمی می‌گذارد.
فرضیه چهارم پژوهش بیان می دارد که استراتژی هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر می گذارد. با توجه به نتایج جدول ۴ -۱۷ مشخص می شود که ضریب مسیر اثر که استراتژی هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران دارای مقدار ضریب مسیر مثبت ۲۸/۰ است که مقدار قدر مطلق t محاسبه شده برای آن ۶۹/۲ است که بیشتر از ۹۶/۱ محاسبه شده است. لذا فرض صفر رد می شود و با اطمینان ۹۹ درصد می توان گفت که استراتژی هوش فرهنگی بر رفتارشهروندی مدیران شعب بانک ملت ایران تاثیر مستقیمی می گذارد.
نگاره ۴- ۱۸) خلاصه آزمون فرضیات

فرضیه

اثر سازه

به سازه

مینیمم

۱۷۲

۱۴۳

۹۵

۵۷

۳۲

۸۵٫۵

ماکزیمم

۱۹۶

۱۶۰

۱۱۲

۷۵

۴۶

۸۷٫۴

۴-۷٫ نرمالیزه کردن اطلاعات ورودی
در مرحله­ بعدی باید داده ­ها را برای ورود به شبکه و انجام فرایند آموزش آماده نمود. در واقع باید ورودی و خروجی شبکه را نرمال نمود تا همگی دارای اندازه ­گیری یکسانی گردند. به عبارت دیگر می­توان گفت که نرمال­سازی از مراحل موثر در انجام مدلسازی با شبکه عصبی می­باشد. اگر اطلاعات ورودی و خروجی دارای یک اندازه بزرگی نباشند برخی متغیرها ممکن است اهمیت بسیار بیشتری از آنچه که دارند از خود نشان دهند. بنابراین الگوریتم آموزش مجبور می­گردد تا تفاوت اندازه بزرگی را با بهره گرفتن از تنظیم وزن­های شبکه جبران نماید که در اکثر الگوریتم­های آموزش چندان مؤثر نیست.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

به عنوان مثال اگر متغیر ورودی اول دارای مقدار ۱ و متغیر ورودی دوم مقدار ۱۰۰۰ داشته باشد وزن مربوط به متغیر اول هنگام ورود به نرون لایه اول باید بزرگتر از وزن مربوط به متغیر دوم باشد. همچنین برخی از تابع تبدیل­ها مانند توابع سیگموئیدی، تانژانت هیپربولیک نمی ­توانند تفاوت بین دو مقدار را در صورتی­که هر دو دارای مقدار زیاد باشند تشخیص دهند. زیرا حد بالای خروجی این توابع ۱ می­باشد. برای اجتناب از این گونه مسائل بهتر است متغیرهای ورودی و خروجی نرمال گردند.
روش اول: نرمال­سازی به­صورتی­که هر متغیر بین ۰ و ۱ قرار گیرد. متغیرهای نرمال شده از طریق رابطه­ زیر محاسبه می­گردند. در رابطه زیر x_i,max بیشترین مقدار هر متغیر و x_i,norm مقدار نرمال شده می­باشد.
(۴-۲)
به عنوان مثال فرض نماییم یک متغیر x_i دارای توزیع نرمال بین ۵۰۰ تا ۹۰۰ و ضریب نرمال­سازی ۱۰۰۰ باشد. با بهره گرفتن از رابطه­ بالا یک توزیع نرمال بین ۵/۰ تا ۹/۰ ایجاد می­گردد. این روش تنها برای شبکه ­های ساده پیشنهاد می­گردد و با پیچیده­تر شدن ساختار شبکه این روش دچار مشکل می­گردد.
روش دوم: در این روش متغیر نرمال شده با بهره گرفتن از ماکزیمم و مینیمم داده ­های اصلی بین ۰ و ۱ قرار می­گیرد. برای تعیین متغیر نرمال شده رابطه زیر مورد استفاده می­گیرد.X_i,min کمترین مقدار متغیر مورد نظر می­باشد. در این روش با بهره گرفتن از کل محدوده­ تابع انتقال نسبت به روش اول اصلاحاتی انجام گرفته است.
در نتیجه:
(۴-۲)
در این روش تمام متغیرهای ورودی در مجموعه داده ­ها، محدوده توزیع یکسانی خواهد داشت که این امر باعث بهبود بازده آموزش می­گردد.
روش سوم :در این روش مجموعه اطلاعات در محدوده ۱ – تا ۱ و با مقدار میانگین صفر نرمال می­گردند. این روش، روش نرمال سازی متوسط – صفر^[۸۴] نامیده می شود. رابطه مورد نظر برای نرمال­سازی داده ها با بهره گرفتن از این روش به صورت زیر می باشد. Xi avg میانگین هر متغیر را بیان می نماید.
(۴-۳)
که :

(۴-۴)

همانند روش دوم این روش نیز از تمامی محدوده­ تابع انتقال استفاده می­نماید و هر متغیر ورودی هم دارای محدوده­ توزیع یکسانی است. این روش باعث می­گردد فاکتورهای وزنی توزیع استانداردی داشته باشند. همچنین این روش به مقادیر نرمال شده معنی و مفهوم می­بخشد. صفر بیان کننده­ حالت نرمال متوسط ، ۱- مقادیر بسیار کوچک متغیرها و ۱ مربوط به بزرگترین مقادیر مجموعه می­باشد. علاوه بر این با تنظیم کردن تمام حالت­های نرمال متغیرها به صفر ، شبکه یک ساختار استاندارد خواهد داشت که فرایند آموزش را بسیار مؤثرتر می­ کند. با این روش تمام شبکه­ ها باید به­ طور معمول برای یک­سری از مقادیر متغیرهای نرمال، خروجی صفر را پیش ­بینی نمایند. بنابراین شبکه در واقع تنها انحراف­های متغیرهای خروجی را به دلیل انحرافات مختلف متغیرهای ورودی پیش بینی می­نماید. در این مطالعه از این روش نرمال سازی استفاده شده است [۳۰].
۴-۸٫ مدل­سازی به روش شبکه ­های عصبی مصنوعی
در محاسبات شبکه­ عصبی پارامترهای مختلفی وجود دارند که تعیین بهینه­ آن ها در کارایی شبکه تأثیر­گذار می­باشد. این پارامترها باید با دقت زیادی تنظیم گردند.
۴-۸-۱٫ انتخاب الگوریتم آموزشی مناسب
الگوریتم­های متفاوتی در فصل سوم برای آموزش شبکه­ عصبی ارائه شدند که هرکدام از آن­ها دارای نکات ضعف و قوت هستند. در کل می­توان گفت برای شبکه ­های متوسط که تا چند صد وزن و بایاس دارند الگوریتم لونبرگ- مارکوارت همگرایی سریع­تری را ایجاد می­نماید. این مزیت زمانی قابل توجه می­گردد که آموزش خیلی دقیق نیاز می­باشد. در بسیاری از حالت­ها الگوریتم لونبرگ- مارکوارت قادر است به کمترین مربع میانگین خطا در میان سایر الگوریتم­ها دست یابد. اگر چه با افزایش تعداد نرون­ها در شبکه مزیت الگوریتم مذکور کاهش می­یابد. در مجموع عملکرد الگوریتم لونبرک- مارکوارت در مسائل تشخیص الگو بسیار ضعیف می­باشد. الگوریتم تطبیقی پس انتشار سریع­ترین الگوریتم در مسائل تشخیص الگو می­باشد؛ اگرچه در مسائل تقریب تابع به خوبی عمل نمی­نماید. عملکرد این الگوریتم در مقایسه با الگوریتم تطبیقی پس انتشار با کاهش خطار کاهش می­یابد. الگوریتم گرادیان مرکب نسبت به سایر الگوریتم­ها به حافظه کمتری نیاز دارد. الگوریتم شبه­نیوتنی نیز مشابه الگوریتم لونبرک- مارکوارت بوده، اما نسبت به آن حافظه بیشتری دارد. روش الگوریتم یادگیری متغیر نسبت به دیگر روش­ها کندتر، اما حافظه مورد نظر در آن مشابه الگوریتم تطبیقی پس­انتشار بوده، اما برای برخی مسائل مناسب می­باشد. در واقع موقعیت­هایی وجود دارد که بهتر است بسیار آرام هم­گرا گردند [۲۷]. با توجه به توضیحات ارائه شده، الگوریتم لونبرگ- مارکوات جهت استفاده در این مطالعه مناسب به نظر می­رسد.
۴-۸-۲٫ انتخاب تعداد لایه­ های پنهان
تعیین تعداد لایه­ های پنهان و تعداد گره­های هر لایه یکی از مهم­ترین مراحل طراحی یک شبکه­ عصبی می­باشد که بی­شک به پیچیدگی شبکه و کاربرد آن بستگی دارد. برای تعیین بهینه­ تعداد لایه ­ها و گره­ها، انتخاب ساختارهای مختلف و آموزش آن­ها مبنا می­باشد. سپس بهترین ساختاری که با تعداد لایه ­ها و گره­های کمتر زودتر به مینیمم مقدار خطای مورد نظر رسیده باشد انتخاب می­گردد.Baugham و Liu در سال ۱۹۹۵ بیان کردند که افزودن دومین لایه­ی پنهان بدون این­که تأثیر زیان­آوری در کاهش عمومیت بخشی داده ­ها مربوط به آزمایش داشته باشد توانایی پیش ­بینی شبکه را در پیش ­بینی نسبت به شبکه با دولایه چندان تغییر نمی­دهد فقط به دلیل ایجاد ساختار پیچیده، زمان لازم برای همگرایی افزایش می­یابد[۳۰].

از جامعه آماری آن دسته از شرکت هایی که در گروه فلزات اساسی واز سال ۱۳۸۸ تا سال ۱۳۹۲ در بورس فعال بوده و به علت گستردگی حجم جامعه آماری و وجود ناهمگونی ها میان اعضای جامعه، شرایط زیر برای انتخاب نمونه آماری قرار داده شده و از این رو نمونه آماری به روش حذف سیستماتیک انتخاب شده که تعداد ۲۹ شرکت در صنعت فلزات اساسی بوده اند که تعداد ۲۶ شرکت با توجه به محدودیت های ذیل انتخاب شده اند:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱- در گروه فلزات اساسی باشند.
۲- سال مالی منتهی به پایان اسفند هر سال باشد.
۳- شرکت ها در طول این مدت نباید سال مالی خود را تغییر داده باشند.
۴- جزء شرکت هایی باشند که بیشترین حجم معاملات را به خود اختصاص دهند.
۵- اطلاعات آن ها در دسترس باشد.
۳-۴- روش ها و ابزارهای جمع آوری اطلاعات
یکی از ضروریات هر مطالعه و پژوهش اطلاعات مربوط و قابل اتکاء، سرعت و سهولت دسترسی به آن می باشد. مباحث تئوریک پژوهش از مسیر مطالعه منابع، نشریات، منابع داخلی و خارجی موجود در کتاب ها و استفاده از اینترنت جمع آوری شده است. جمع آوری اطلاعات با بهره گرفتن از اطلاعات مالی شرکتها با بهره گرفتن از نرم افزار ره آورد نوین و برخی از اطلاعات از سامانه پایگاه سری های زمانی اقتصادی ایرانی گردآوری شده است.
۳-۵- متغیرهای پژوهش و شیوه اندازه گیری پژوهش
برای بررسی ارتباط بین ریسک عملیاتی با بازده شرکت، نسبت دارائی های نقد و نوسان پذیری و قیمت ها از مدل رگرسیون خطی چند متغیره استفاده شده است و به شرح ذیل می باشد:
۳-۵-۱- ریسک عملیاتی
یکی از متغیرها در این پژوهش ریسک عملیاتی می باشد که در این پژوهش برای ارزیابی ریسک عملیاتی از مدل زیر برای شدت های ورود استفاده می کنیم:

جایگاه شدت ریسک عملیاتی برای شرکت i در صنعت j در طول ماه t در این مدل است اش ثابت در صنعت است شاخص متغیرهای مشخص شرکت است، شاخص متغیرهای اقتصادی کلان است و یک متغیر ساختگی برای ما است. ما متغیر ساختگی را به این دلیل بر می گیریم که زمان یا روز راه اندازی این رویداد نامعلوم است و مجموعه داده های ما زمان رویداد را در اول هر سال و در زمانی که این رویداد اتفاق می افتد فهرست بندی می کند.(basd refrencd)
۳-۵-۲- نسبت های نقدینگی:
نقدینگی معیاری از سرعت تبدیل شدن داراییهای یک شرکت به پول نقد است. سرمایه گذارها با بررسی نسبتهای نقدینگی یک شرکت میتوانند بفهمند شرکت مورد نظر چه میزان در جذب پول نقد برای خرید داراییهای جدید یا در پرداخت بدهیهای خود در حالتهای اضطراری یا عادی توانایی دارد. برخی از مهمترین نسبتهای نقدینگی به شرح زیر میباشند :
۳-۵-۲-۱- نسبت جاری:
عبارت است ازحاصل تقسیم داراییهای جاری به بدهیهای جاری. این نسبت نشان دهندهی توانایی بازپرداخت بدهیهای جاری ازمحل داراییهای جــاری موسسه است.
۳-۵-۲-۲- نسبت سریع ( آنی ):
نسبت سریع ازتقسیم نقدترین اقلام دارایی جاری (وجوه نقد، موجودی بانک و اسنــاد دریافتنی)‌ به بدهیهای جــاری بدست میآید. موجودی کالا به دلیل اینکه برای نقد شدن به مدت زمان طولانیتری نیاز دارد، دراین محاسبه لحاظ نمیشود. پیش پرداختها نیز به دلیل اینکه اصولاً ‌به وجه نقد تبدیل نمیشوند، دراین محاسبه جزء داراییهای جاری محسوب نمیشوند. بدیهی است که رقم بیش ازیک برای این نسبت نشاندهندهی توانایی شــرکت دربازپــرداخت بدهیهای جاری است. (وب سایت مدیریت فن آوری بورس)
۳-۶- تعریف متغییرهای عملیاتی
۳-۶-۱- متغییروابسته تحقیق
ریسک عملیاتی که شاخصه آن دراین مطالعه ریسک ورشکستگی می باشد وازمدل زیمسکی (۱۹۸۴) به شرح ذیل استفاده شده است .
Z=-4.5×1+5.7×2-4.3
X1=سودخالص /کل دارائی ها
=x2کل بدهیها /کل دارائی ها
=x3دارائی جاری /بدهی جاری
Z=ریسک ورشکستگی
اگر ۰٫۵>z شرکت دارای ریسک عملیاتی واگر۰٫۵<z شرکت دارای ریسک عملیاتی پایین می باشد .
۳-۶-۲- متغییرهای مستقل تحقیق
۳-۶-۲-۱- نوسان پذیری قیمت سهام :
برای سنجش نوسان پذیری قیمت سهام مطابق پژوهش وهمکاران (۲۰۱۱) ازلگاریتم بیشترین قیمت معامله شده سهم درهرروز تقسیم برکمترین قیمت معامله شده سهم درهرروزاستفاده می شود
(کمترین قیمت /بیشترین قیمت) =نوسان پذیری قیمت سهام
۳-۷- متغیرهای کمکی (MVM)
لگاریتم طبیعی قیمت سهام :جهت محاسبه این متغیرازروش شافرو(۲۰۱۴) طبق رابطه زیراستفاده شده است.
(میانگین قیمت سهام درطول سال ) MVM=Log
-نسبت ارزش دفتری به ارزش بازارحقوق صاحبان سهام (BM)
جهت محاسبه این متغییرازرابطه زیراستفاده شده است .
BVE/MVE=BM
BVE=ارزش دفتری حقوق صاحبان سهام
MVE=ارزش بازارحقوق صاحبان سهام
درصد بازده سرمایه گذاری (ROE)
EBIT/EQ=ROE
EBIT=سودوزیان پس ازکسرمالیات
EQ=حقوق صاحبان سهام

۳-۴-۱-۱ دستگاه های مورد استفاده
۳-۴-۱-۱-۱ دستگاه ارتفاع سنج پرز فرش
برای اندازه گیری ارتفاع پرز فرش ها از دستگاهی به نام ارتفاع سنج پرز فرش استفاده می­ شود.این دستگاه از شش پایه سوزنی شکل با میله فلزی استوانه ای در مرکز آن ساخته شده است. قاعده میله فلزی مرکز آن تقریباً برابر با ۳۰۰ میلی­متر مربع است که وزن آن با میله حامل، فشاری در حدود ۲ کیلو­پاسکال معادل فشار اولیه استاندارد را جهت هم­سطح­ سازی پرزهای سطحی فرشاعمال می­نماید. اساس­کار این دستگاه بر پایه محاسبه و ثبت دیجیتال میانگین فاصله بین نوک هر شش پایه سوزنی تا سطح تماس میله فلزی استوانه ای با پرز فرش می­باشد که عدد به دست آمده به­عنوان ارتفاع پرز فرش در محل تماس با میله مرکزی دستگاه در نظر گرفته می­ شود.دقت کار این دستگاه ۰۱/۰ میلی متر می­باشد.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

تصویر ۳-۵. ارتفاع سنج پرز فرش
در ابتدا جهت تنظیم نمودن سطح صفر دستگاه، نوک شش پایه سوزنی با میله استوانه فلزی مرکزی بر روی یک سطح صاف انجام می­ شود.مساحت قاعده استوانه فلزی تقریباً برابر با ۳۰۰ میلی­متر مربع و وزن آن با میله حامل، فشار اولیه استاندارد حدود ۲ کیلو­پاسکال را جهت هم­سطح­سازی پرزهای سطحی فرش را اعمال می­نماید. اساس­کار این دستگاه بر پایه محاسبه و ثبت دیجیتال میانگین فاصله بین نوک هر شش پایه سوزنی تا سطح تماس استوانه فلزی میله فشارنده مرکزی به­عنوان ارتفاع پرز در آن نقطه با دقت ۰۱_/۰ میلی­متر می­باشد.برای شروع آزمون ارتفاع پرز اولیه در چند نقطه از هر نمونه فرش اندازه گرفته شده است.
۳-۴-۱-۱-۲ دستگاه بارگذاری استاتیکی
این دستگاه از یک بازوی افقی تشکیل شده که در انتهای آن وزنه ای ۱۰ کیلوگرمی آویزان است و بار فشاری معادل ۷۰۰ کیلو پاسکال را توسط صفحه ای مدور به قطر ۲۸ میلی متر در انتهای بازوی عمودی فشار دهنده به نمونه اعمال می­ کند. ( طول مؤثر بازوی افقی حامل وزنه و بازوی فشار دهنده تا تکیه گاه محور دستگاه به ترتیب برابر ۵۴ و ۱۳ سانتی متر می­باشند ).

شکل ۳-۶. دستگاه بارگذاری استاتیکی فرش
۳-۴-۱-۱-۳ روش انجام آزمایش
این آزمایش به شیوه بارگذاری کوتاه مدت در بازه ی زمانی ۲ ساعت اعمال بار فشاری انجام شد. در ابتدا جهت اندازه گیری ارتفاع پرز نمونه ها توسط دستگاه ارتفاع سنج پرز فرش، اندازه گیری شد. در ابتدا جهت اندازه گیری ارتفاع پرز نمونه فرش ها، دستگاه ارتفاع سنج بر روی سطح صافی قرار داده شد تا نوک شش پایه سوزنی با میله استوانه ای فلزی در مرکز دستگاه همسطح شده و سطح صفر دستگاه تنظیم گردد. سپس دستگاه بر روی یک نقطه از فرش قرار داده شد تا ارتفاع پرز در آن نقطه مشخص گردد. برای کم کردن خطای دستگاه، پس از قرار دادن آن بر روی فرش، ۲۰ ثانیه صبر شد تا عدد بدست آمده ثابت شود و پس از آن اندازه به دست آمده، یادداشت گردید.در هر کدام از نمونه فرش ها ۲ نقطه به صورت تصادفی انتخاب و علامت گذاری گردید و این آزمایش بر روی آن ها انجام شد. این آزمون مطابق با استاندارد ^[۵۳]BS ISO 10834؛ اندازه ­گیری بدون تخریب ارتفاع پرز بالای لایه زیرین کفپوش­ها، می­باشد.

شکل ۳-۸. اندازه گیری ارتفاع پرز نمونه فرش ها
سپس هر کدام از نقاط علامت گذاری شده در نمونه ها به مدت ۲ ساعت توسط دستگاه بارگذاری استاتیکی، تحت بار فشاری معادل ۷۰۰ کیلو پاسکال قرار گرفت. بعد از اتمام عملیات بارگذاری، ارتفاع پرز نمونه ها در بازه های زمانی ۱، ۳۰، ۶۰ و ۲ ساعت پس از رفع بار اندازه گیری و ثبت شد.

شکل ۳-۹. آزمایش بارگذاری استاتیکی کوتاه مدت
ارقام به دست آمده از این آزمایش به شرح جدول زیر می­باشد:
جدول ۳-۳. ارتفاع پرز نمونه فرش ها

شماره نمونه
کد نمونه
ارتفاع اولیه پرزها(h0)
mm ارتفاع پرزها ۱ دقیقه پس از رفع بار(h1)mm ارتفاع پرزها ۳۰ دقیقه پس از رفع بار
(h₃₀)
Mm ارتفاع پرزها ۶۰ دقیقه پس از رفع بار
(h₆₀₎
mm ارتفاع پرزها ۲ ساعت پس از رفع بار
(h₁₂₀₎
mm

۱

wp2

۸.۹

۸.۱۴

۸.۴۷

۸.۶۳

۸.۶۶

۲

wt2

۹.۰۴

۸.۳۸

۸.۷۶

۸.۸

۸.۹۳

۳

cp2

P-value

۰۰۰۱/۰

۰۰۰۱/۰

۰۰۰۱/۰

۰۰۰۱/۰

۰۰۰۱/۰

۰۰۰۱/۰

۰۰۰۱/۰

*- SEM: خطای استاندارد میانگین، تیمار۱: ریشه چغندر علوفه ای، تیمار۲: برگ وطوقه چغندر علوفه ای، تیمار۳: بوته کامل چغندر علوفه ای، تیمار۴: سیلاژ ریشه چغندر علوفه ای همراه کاه گندم، تیمار۵: سیلاژ برگ وطوقه چغندر علوفه ای، تیمار۶: سیلاژ بوته کامل چغندر علوفه ای همراه کاه گندم.
شکل۴-۲- تجزیه پذیری ماده خشک (درصد) تیمارهای مورد مطالعه در زمان های مختلف انکوباسیون تیمار۱: ریشه چغندر علوفه ای، تیمار۲: برگ وطوقه چغندر علوفه ای، تیمار۳: بوته کامل چغندر علوفه ای، تیمار۴: سیلاژ ریشه چغندر علوفه ای همراه کاه گندم، تیمار۵: سیلاژ برگ وطوقه چغندر علوفه ای، تیمار۶: سیلاژ بوته کامل چغندر علوفه ای همراه کاه گندم.
۴-۴-۲- فراسنجه های تجزیه پذیری ماده خشک تیمارهای مورد مطالعه
در معادله نمایی P=a+b (1-e^-ct) که برای محاسبه تجزیهپذیری استفاده میشود، a بخشی از مادهغذایی است که سریعاً در شکمبه حل میشود، b بخش از ماده غذایی است که در زمان مشخص در شکمبه تجزیه میشود (غیر قابل حل درآب، اما تجزیهپذیر در شکمبه) و c سرعت تجزیه لحظهای ماده غذایی تجزیه پذیر در هر لحظه است. حاصل جمع a و b یعنی (a+b) درصدی از کل مادهغذایی است که در شکمبه تجزیه میشود (به عبارت دیگر a+b بیانگر توان تجزیه پذیری بالقوه ماده غذایی در شکمبه است)، t مدت زمان قرار دادن نمونه در شکمبه میباشد و p درصدی از هر ماده غذایی است که در زمان t در شکمبه تجزیه میشود (۱۹۷۹ Ørskov and McDonald,). با توجه به جدول (۴-۵) در خصوص مقایسه میانگین (a)یعنی بخش سریع تجزیه بیشترین مربوط به تیمار یک یعنی ریشه چغندرعلوفهای می باشد و کمترین مربوط به تیمار ۴ یا سیلاژریشه چغندرعلوفهای همراه کاهگندم می باشد که بدلیل افزایش میزان NDFو ADFمربوط به کاه گندم باشد.هر چند در این مقایسه میزان (a)دربین تیمار ۱ وحالت سیلو شده آن یعنی تیمار ۴ کاهش یافته ولی متعاقباً باعث افزایش بخش کندتجزیه (b)گردید که نتیجه آن تجزیه بهتر قسمت فیبری کاه گندم و بهبود قابلیت هضم کاه گندم گردید. پایین بودن مقدار a میتواند موجب کندی رشد میکرواورگانیسمهای شکمبه به علت تجزیه آهسته مواد غذایی در شکمبه گردد، ولی بالا بودن مقدار b و پایین بودن مقدار c موجب تجزیه آهسته و یکنواخت آن و ایجاد ثبات بیشتر در محیط شکمبه میگردد (Roghani and Zamiri, 2002). در نتیجه باعث کاهش سرعت عبور و افزایش CP, EEگردید .همچنین، در مقایسه تیمار ۳ یعنی بوته کامل چغندرعلوفه ای و تیمار ۶ یعنی سیلاژ بوته کامل چغندرعلوفهای هم علاوه بر بهبود قسمت aباعث بهبود bیعنی بخش کند تجزیه گردید.که در مجموع سیلو نمودن بوته کامل چغندرعلوفهای باعث بهبود گوارشپذیری و افزایش معنیدار بخش a+b گردید. همچنین، در مقایسه بین تیمار ۲ که شامل برگ و طوقه چغندرعلوفهای بود با انجام عمل سیلوسازی باعث افزایش معنیدار a+bگردید و همچنین بخش cکاهش یافت. نتایج حاصل از تحلیل آماری نشان داد که اختلاف معنیداری در بین میانگین تیمارها وجود دارد (۰۵/۰>P) . دانش مسگران و همکاران (۱۳۸۷) گزارش کردند که هر چه نرخ ثابت تجزیه c بالاتر باشد انتظار میرود مصرف خوراک بیشتر شود. در مطالعه منصوری و همکاران (۱۳۸۲) بیشترین میزان تجزیهپذیری مادهخشک مربوط به علف یونجه میباشد. بطوریکه معادل ۵/۹۳ درصد از کل تجزیه پروتئین خام در ۲۴ ساعت اول انکوباسیون صورت میگیرد. همچنین محققان گزارش کردند که تجزیهپذیری مؤثر ماده خشک یونجه در مراحل مختلف رشد دامنه ای از ۹/۶۱ تا ۹/۷۲ درصد میباشد (Balde et al., 1993). محققان گزارش کردند که تجزیه پذیری مؤثر ماده خشک علوفه‌های لگوم مناطق گرمسیری ۵۲، ۷/۵۷ و ۲/۵۱ درصد میباشد (Tolera et al., 1997). در تحقیق دیگری نشان داده شد که فراسنجه‌های برآورد شده در روش کیسه های نایلونی (c، b و ED) به جز a بطور معنیداری با دیواره سلولی همبستگی دارد. بررسیها نشان داده است که NDF و لیگنین اثرات منفی بر روی قابلیت هضم علوفه ها دارد (Larbi et al., 1998).

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

جدول ۴-۵- درصد فراسنجه‌های تجزیه پذیری چغندر علوفه ای و سیلاژ آن

تجزیه پذیری مؤثر

تیمار

a

b

c

a+b

۰۲/۰

۰۵/۰

۰۸/۰

۱

۰۱۶/۱۹^a

۰۰۳/۶۸^a

۰۲۶/۰^c