مقایسه دقت شبکه عصبی مصنوعی و مدل رگرسیون خطی در تخمین وزن بدن شترهای یک کوهانه

Abstract

وزن‌کشی، نقش مهمی در مدیریت پرورش شتر، برای تنظیم احتیاجات غذایی، بررسی رشد و ارزیابی سالیانه دام‌ها دارد. در مدل­های ریاضی، با توجه به همبستگی بالای اندازه­گیری­های ظاهری بدن با وزن، از آن­ها برای تخمین وزن‌ بدن استفاده‌ می­شود. هدف از این پژوهش، مقایسه دقت استفاده از مدل رگرسیون خطی چندگانه به­روش گام به گام و شبکه عصبی مصنوعی در تخمین وزن بدن شترهای یک کوهانه با استفاده از ابعاد بدن و بسته nnetدر نرم­افزار R بود. در این پژوهش، از ابعاد بدنی 177 نفر شتر یک کوهانه (در چهار گروه 1- ماده بالغ بلوچی، 2- ماده بالغ پاکستانی، 3- ماده بلوچی و پاکستانی با سن کمتر از دو سال، و 4- کل جمعیت شترها) ایستگاه پرورش شتر خراسان جنوبی استفاده شد. ابعاد بدن شامل طول گردن، دور گردن، طول دست، طول پا، ارتفاع شانه تا زمین، ارتفاع کوهان تا زمین، ارتفاع کپل تا زمین، دور سینه، عرض سینه، دور شکم، عرض لگن، طول دم، ارتفاع پستان و دور پستان بودند. مدل مناسب بر اساس معیارهای نکویی برازش شامل ضریب تبیین، ریشه مجذور میانگین مربعات خطا، میانگین مطلق خطا و میانگین درصد مطلق خطا انتخاب شد. نتایج تحلیل رگرسیون خطی چندگانه در کل جمعیت شترهای مورد ارزیابی نشان داد ابعاد بدنی ارتفاع شانه تا زمین، دور سینه، دور شکم، دور گردن و طول دست، اثر معنی­داری بر وزن بدن داشت. در تحلیل شبکه عصبی مصنوعی، اندازه­های دور شکم، دور سینه و ارتفاع شانه با زمین، با اهمیت­ترین متغیرها در برآورد وزن بدن شترهای کل جمعیت بودند. مدل‌های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی، دارای دقت قابل قبول در برآورد وزن بودند. با این حال، مدل شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون چندگانه، ضریب تبیین بالاتر و خطای کمتری در برآورد وزن شترها داشت و می‌تواند برای برآورد وزن بدن استفاده شود.