文獻提出並論證了一種基於神經網路模型的可持續管理方法，此方法能夠評估牲畜數量、牛飼料配給量以及廢棄物產生量和環境排放量之間的隱藏關係，為規劃和優化廢棄物管理系統奠定基礎。

圖一、確定所建立模型在測試資料上的準確度的結果：（a）均方誤差（MSE）；（b）平均絕對誤差（MAE）；（c）判定係數（R 2）；（d）平均絕對百分比誤差（MAPE）

MLP 在所有受測模型中，根據所有應用的評估指標，都展現出最高的精度。優化後的MLP模型表現出較高的預測效能，均方誤差 (MSE) 為0.0005，平均絕對百分比誤差 (MAPE) 為6.51%，而基線模型的均方誤差為8.01%。研究證實，飼料配給顯著影響廢棄物的產生和溫室氣體排放。

圖二、不同牛飼養量下畜牧場廢棄物生產沼氣規模圖

從畜牧場廢棄物中生產沼氣的潛力值取決於飼料的成分及其被動物的消化率。「多汁」和「濃縮」日糧由於飼料消化率高，會增加廢棄物產生量和沼氣生產潛力。蛋白質日糧也表現出較高的沼氣生產潛力，但同時也會增加溫室氣體排放。粗飼料和牧草日糧由於纖維含量高，使發酵過程複雜化，因此沼氣生產率較低。

表 3、 不同畜群規模和飼養量對牲畜廢棄物、溫室氣體排放和沼氣產量影響的神經網路模擬結果

此篇文獻成功應用以神經網路為基礎的建模方法，利用生產和區域特徵預測牲畜廢棄物的產生量。結果表明，擁有500至700頭牲畜的中型農場由於具備實施平衡系統和現代廢物處理技術的潛力，在能源和環境安全之間實現了最佳平衡。

畜牧業在廢棄物處理及溫室氣體排放一直是被環保團體關注的議題，業者們改善廢棄物的處理方式，利用廢棄物沼氣發電，減少碳排及將產出的電力應用至牧場本身是未來趨勢，也是目前部分業者已實際執行的方向。

參考文獻：
Tryhuba, A., Mudryk, K., Tryhuba, I., Kotsylovskyi, M., Sorokin, D., Bezaltychna, O., Pysz, P., & Hutsol, T. (2025). Models for sustainable management of livestock waste based on neural network architectures. Scientific Reports, 15, Article 28082.