استفاده از برخی الگوریتم های محاسباتی در پیش بینی وزن بدن بز کرکی خراسان جنوبی

در این تحقیق، از هشت مدل مختلف محاسباتی رگرسیون بردار پشتیبان خطی (SVR-L)، ماشین بردار پشتیبان (SVM)،رگرسیون معمولی (Reg)، برنامه ریزی ژنتیک (GP)، سیستم نوروفازی (ANFIS)، مدل کارما (CARMA)، شبکه عصبیمصنوعی (ANN) و رگرسیون بردار پشتیبان غیرخطی (SVR-NL) در پیش بینی وزن بدن بز کرکی استان خراسان جنوبیدر سنین سه (1210 رکورد)، شش (1121 رکورد)، نه (985 رکورد) و دوازده (893 رکورد) ماهگی استفاده گردید. درتمامی مدل ها، سه ویژگی جنس حیوان، سن از شیرگیری و وزن تولد برای پیش بینی وزن بدن انتخاب شدند و برازشمدل ها توسط نرم افزار MATLAB اجرا گردید. برای بررسی مقادیر خطای ناشی از مدلسازی، از سه روش ضریب تبیین،مجذور میانگین مربعات خطا و معیار کارآیی مدل استفاده شد. نتایج بررسی دقت و میزان خطای مدلها نشان داد که دربین مدل های هوشمند ANFIS, GP و SVM ، مدل SVM کمترین مقدار خطا را داشت. در بین مدلها رگرسیونی،روش رگرسیون بردار پشتیبان غیرخطی کمترین میزان خطا و بیشترین میزان دقت را در پیش بینی وزن بدن داشت.بررسی میزان خطای داده های مورد بررسی نشان داد که عملکرد مدل CARMA در حدود مدل رگرسیون چندمتغیرهاست و از دقت بالا و قابل قبولی برخوردار نمی باشد. به طور کلی، نتایج تخمین مقادیر وزن، نشان دهنده دقیق تر بودنروش های بهینه شده بردار پشتیبان نسبت به روش های هوشمند است. یکی از دلایل بهتر بودن عملکرد مدل رگرسیونبردار پشتیبان در تخمین وزن بدن بزهای مورد مطالعه، بهینه کردن پارامترهای مدل مزبور با استفاده از الگوریتم جامعمورچگان می باشد.