بررسی صفات رشد گوسفند لری با استفاده از مدل های غیر خطی و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک
محل انتشار: فصلنامه پژوهش های علوم دامی، دوره: 27، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 241
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ANIMAL-27-1_011
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
زمینه مطالعاتی: در این پژوهش از اطلاعات تعداد ۷۰۵۴ راس گوسفند نژاد لری برای برازش منحنی رشد این نژاد استفاده شد. هدف: صفات رشد مورد بررسی شامل وزن تولد، از شیرگیری، شش ماهگی و نه ماهگی بود که با استفاده از سه مدل غیر خطی شامل گمپرتز، برودی و لجستیک و همچنین شبکه عصبی مصنوعی (ANN) برازش شد. روش کار: تیپ تولد، جنسیت، سال تولد، سن مادر و فصل تولد به همراه وزن تولد، شیرگیری و شش ماهگی به عنوان عوامل ورودی به ANN معرفی شدند و برای وزن نه ماهگی پیش بینی انجام شد. برای این منظور یک شبکه Feed-forward بهینه شده با الگوریتم ژنتیک مورد استفاده قرار گرفت. مقایسه مدلهای غیرخطی بر اساس ضریب تبیین (R۲)، میانگین مربعات خطا (MSE)، تعداد تکرار و معیار آکائیک (AIC) انجام شد و بر این اساس مدل برودی به عنوان مدل مناسب برای برازش صفات رشد انتخاب شد. پارامترهای A، B و K بر اساس مدل برودی برای دو جنس ماده و نر برآورد شدند. نتایج: همبستگی بین پارامترهای A و K منفی گزارش شد. اثر عوامل محیطی بر روی پارامترهای منحنی رشد معنی دار بود (۰۱/۰>P). بر اساس بررسیهای انجام شده ANN با R۲ برابر با ۳۶/۸۴ و ۴۹/۸۵ درصد قادر به پیش بینی وزن نه ماهگی برای جنس ماده و نر بود. همچنین با تعداد ۱۰ و ۹ نورون در لایه میانی برای جنس ماده و نر، در MSE همگرایی ایجاد شد. نتیجهگیری نهایی: بر اساس میزان R۲ گزارش شده، مدلهای برودی، لجستیک، گمپرتز و ANN به ترتیب مناسبترین مدلها برای برازش صفات رشد در گوسفند لری بودند.
کلیدواژه ها:
نویسندگان
فاطمه بیرانوند
گروه علوم دامی دانشگاه رامین خوزستان
محمد تقی بیگی نصیری
گروه علوم دامی دانشگاه رامین خوزستان
عباس مسعودی
گروه علوم دامی دانشکده کشاورزی دانشگاه لرستان
علیرضا شعبانی نژاد
گروه گیاهپزشکی دانشگاه صنعتی شاهرود
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :