مقایسه برخی مدل های ریاضی غیرخطی برای توصیف منحنی رشد گوساله های سیستانی
محل انتشار: فصلنامه تولیدات دامی، دوره: 23، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 324
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAP-23-4_002
تاریخ نمایه سازی: 26 اردیبهشت 1401
چکیده مقاله:
هدف از این پژوهش، برازش مدل های غیرخطی مختلف برای توصیف منحنی رشد و انتخاب مناسب ترین مدل توصیف کننده منحنی رشد برای گوساله های گاو سیستانی بود. از رکوردهای وزن بدن ۲۴۱ گوساله (۱۱۸ راس نر و ۱۲۳ راس ماده) که توسط ایستگاه تحقیقات گاو سیستانی زهک بین سال های ۱۳۸۹ تا ۱۳۹۶ جمع آوری شده بود، استفاده شد. چهار مدل غیرخطی (گمپرتز، لجستیک، ریچاردز، و ویبول) بر روری رکوردهای وزن بدن برازش و مناسب ترین مدل توسط معیار-های برازش نیکویی (جذر میانگین مربعات خطا، معیار اطلاعات بیزی، معیار اطلاعات آکائیک و ضریب تعیین تصحیح شده) مورد ارزیابی قرار گرفت. براساس معیار-های برازش نکویی، مدل ریچاردز مناسب ترین تابع برای توصیف منحنی رشد در گوساله های نر و ماده بود. اثر جنس بر روی فراسنجه های منحنی ها در بسیاری از توابع معنی دار بود (۰/۰۵>P). مدل های لجستیک و ریچاردز به ترتیب بالاترین و پایین ترین مقدار فراسنجه مرتبط با وزن ابتدایی را داشتند. گوساله های نر در سن و وزن بالاتری نسبت به گوساله های ماده به نقطه عطف رسیدند. با توجه به نتایج حاصل برای مدیریت بهتر تغذیه ای و انتخاب برای رشد سریع با صحت بالا، می توان از مدل مناسب جهت بررسی الگوی رشد این نژاد استفاده نمود.
کلیدواژه ها:
نویسندگان
نوراله شاهرودی
دانش آموخته کارشناسی ارشد، گروه علوم دامی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران
محمد رکوعی
دانشیار، گروه علوم دامی و بیوانفورماتیک، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران ; دانشیار، گروه علوم دام و طیور، پردیس ابوریحان،
هادی فرجی آروق
استادیار پژوهشکده دام های خاص، دانشگاه زابل
علی مقصودی
دانشیار،عضو هیئت علمی گروه علوم دامی، دانشکده کشاورزی؛ گروه بیوانفورماتیک؛ پژوهشکده زیست فناوری کشاورزی، دانشگاه زابل. تخصص: ژنتیک و اصلاح
مرتضی کیخا صابر
استادیار، مرکز تحقیقات کشاورزی و منابع طبیعی سیستان، زابل، ایران
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 :