مقایسه عملکرد شبکه عصبی بیزی با برخی توابع ریاضی در پیش بینی منحنی شیردهی گاوهای شیری ایران

Abstract

برای مقایسه‌ی‌ شبکه‌ عصبی مصنوعی و برخی توابع ریاضی در پیش‌بینی منحنی شیردهی، از تعداد 1085525 رکورد‌ شیر روز آزمون گاوهای شیری هلشتاین زایش اوّل استفاده گردید که‌ توسط مرکز اصلاح نژاد دام و بهبود تولیدات دامی کشور طیّ سال‌های 1391-1362 جمع‌آوری شده بود. برازش منحنی شیردهی، با استفاده از بسته‌ نرم‌افزاری brnn (برای شبکه‌ عصبی مصنوعی) و برخی توابع ریاضی با تابع nls در نرم‌افزار R اجرا شد. ویرایش داده‌ها با نرم‌افزار SAS انجام شد. از معیارهای اطلاعات آکائیک، اطلاعات بیزی، میانگین مربعات خطا و ضریب تبیین تعدیل شده، برای ارزیابی نیکویی برازش استفاده شد. شبکه‌ی عصبی مصنوعی با تنظیم بیزی (brnn) و توابع ریاضی وود، ویلمینک، علی - شفر و پلوت -‌ گوتوین در پیش‌بینی منحنی شیردهی برای صفات تولید شیر، درصد‌ چربی و پروتئین‌ شیر به کار گرفته شدند. نتایج نشان داد brnn در همه‌ی صفات مورد بررسی (تولید شیر، درصد چربی و پروتئین شیر) نسبت به توابع ریاضی غیرخطی، برازش بهتری از شکل منحنی استاندارد گاوهای هلشتاین ایران دارد. در بین توابع ریاضی بررسی شده، برای صفت تولید شیر، مدل ویلمینک، و برای درصد چربی‌شیر و درصد پروتئین شیر، مدل علی – ‌شفر برازش بهتری داشت. استفاده از شبکه های عصبی مصنوعی بیزی برای توصیف منحنی شیردهی و ترکیبات شیر در گاوهای هلشتاین ایران توصیه می گردد.