رسول لقمانپور زرینی - عضو هیات علمی، گروه ماشین های کشاورزی، آموزشکده کشاورزی ساری، دانشگاه فنی و حرفه ای، مازندران، ایران
نوید قوی حسین زاده - دانشیار گروه علوم دامی، دانشکده علوم کشاورزی، دانشگاه گیلان
حسن نبی پور افروزی - عضو هیات علمی، گروه علوم دامی، آموزشکده کشاورزی ساری، دانشگاه فنی و حرفه ای، مازندران، ایران

در این پژوهش شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی تطبیقی چندلایه (انفیس)، برای مدل­سازی انرژی خروجی در واحدهای پرورش گاو شیری و گاو پرواری مورد مطالعه قرار گرفتند. برای این منظور، مطابق رابطه کوکران، تعداد ۱۰۵ واحد پرورش گاو پرواری و گاو شیری به طور تصادفی از پنج شهرستانی که عمده ترین تولیدکننده این بخش در استان مازندران بودند، در سال­های ۱۳۹۵ تا ۱۳۹۶ انتخاب شدند. با استفاده از تراز انرژی نهاده ها و ستانده ها، میانگین انرژی نهاده و ستانده برای هر راس گاو در واحدهای پرورش گاو پرواری به ترتیب برابر ۷۶/۱۶۹۹۴ و ۸۵/۳۴۴۹ مگاژول و برای واحدهای پرورش گاو شیری به ترتیب برابر ۱۰۰۱۰۰ و ۵۸۲۷۷ مگاژول محاسبه شد. همچنین شاخص های نسبت انرژی، بهره وری انرژی، انرژی ویژه و افزوده خالص انرژی برای هر راس گاو در واحدهای گاو شیری به ‎ترتیب برابر ۵۸/۰، ۰۸/۰ کیلوگرم بر مگاژول، ۵/۱۲ مگاژول بر کیلوگرم و ۹۳/۴۱۸۲۵- مگاژول و برای واحدهای گاو پرواری به ترتیب برابر ۲/۰، ۰۲/۰ کیلوگرم بر مگاژول، ۵۰ مگاژول بر کیلوگرم و ۹۱/۱۳۵۴۴- مگاژول بود. با استفاده از نتایج تحلیل آماری داده ها، مدل سازی میزان انرژی خروجی به ازای انرژی ورودی با استفاده از روش های هوش مصنوعی و استنتاج عصبی-فازی انجام گرفت. نتایج نشان داد مدل سامانه استنتاج عصبی-فازی تطبیقی چندلایه با ضریب تشخیص ۹۸۹۹/۰ برای واحدهای پرورش گاو پرواری و ۹۹۳۳/۰ برای واحدهای پرورش گاو شیری نسبت به مدل ساخته شده با استفاده از شبکه عصبی مصنوعی با ضریب تشخیص ۸۱۱۸/۰ و ساختار ۱-۱۶-۶ برای واحدهای پرورش گاو پرواری و ضریب تشخیص ۹۸۳۷/۰ و ساختار ۱-۱۲-۵ برای واحدهای پرورش گاو شیری دارای عملکرد و دقت بهتری بودند.

انرژی, سامانه استنتاج عصبی فازی تطبیقی, شبکه عصبی مصنوعی, گاو شیری, مدل سازی