فهرست نشریات علمی دسترسی آزاد ایران

هدف: این پژوهش، به‌دنبال شناسایی و تجزیه و تحلیل سیستماتیک عوامل کلیدی مؤثر بر ماندگاری گاوهای شیری هلشتاین در گله‌، با استفاده از الگوریتم‌های پیشرفته داده‌کاوی است. درک و پیش‌بینی ماندگاری حیاتی است، زیرا به‌طور مستقیم بر بهره‌وری و سودآوری گاوداریهای شیری تأثیر می‌گذارد. گاوهای با طول عمر بیش‌تر، تمایل به تولید گوساله‌های بیش‌تر و تولید شیر بیش‌تر داشته و در نتیجه بهره‌وری اقتصادی کلی دامداری را افزایش می‌دهند. علاوه بر این، طول عمر بیش‌تر با کاهش هزینه‌های جایگزینی مرتبط است. مواد و روش‌ها: در سال‌های اخیر، ادغام تکنیک‌های یادگیری ماشین در مدیریت کشاورزی و دامداری شتاب قابل‌توجهی یافته است. این مطالعه از داده‌های فنوتیپی دقیق جمع‌آوری‌شده از 37009 حیوان دختر متعلق به 664 پدر در 82 گله مجزا استفاده می‌کند که نشان‌دهنده یک مجموعه داده جامع است که یک دهه را دربرمی‌گیرد. داده‌ها شامل هشت رکورد تولید شیر، در کنار سایر متغیرهای مرتبط مانند سن دام، تعداد پدر، ماندگاری به ماه، تعداد سلول‌های سوماتیک، روزهای شیردهی، تولید شیر (کیلوگرم)، میزان پروتئین و چربی، طول چرخه زایش، دفعات شیردوشی، موقعیت جغرافیایی (استان)، تاریخ تولد، تاریخ زایش، فاصله زایش، کد گله و سن در اولین زایش است. مرحله آماده‌سازی داده‌ها شامل پردازش و سازماندهی مجموعه داده‌ها با استفاده از اکسل ۲۰۱۶ بود که کیفیت و سازگاری داده‌ها را تأمین  نمود. تجزیه و تحلیل‌های بعدی داده‌ها با استفاده از نرم‌افزارR  (نسخه ۴.۳.۳) و با استفاده از بسته‌های تخصصی مربوطه برای یادگیری ماشین و مدل‌سازی آماری انجام شد. نتایج: نتایج نشان داد که ماشین بردار پشتیبان بهترین دقت (987/0) را دارد. جنگل تصادفی دومین الگوریتم کارآمد بود. دقت ماشین تقویت گرادیان کمی کم‌تر از جنگل تصادفی بود، اما همچنان عملکرد خوبی را نشان داد. درخت تصمیم کم‌ترین دقت را در بین این الگوریتم‌ها ارائه داد. درخت تصمیم و ماشین بردار پشتیبان این عملکرد را با متغیرهای ورودی کم‌تری در مقایسه با ماشین تقویت گرادیان و جنگل تصادفی به‌دست آوردند. نتیجه‌گیری: نتایج نشان داد که هیچ یک از الگوریتم‌های مورداستفاده برای طبقه‌بندی بقا، با وجود دقت قابل‌قبول، عاری از خطا نیستند، اما از سوی دیگر، نشان داده شد که درخت تصمیم ساده‌تر و کم‌هزینه‌تر است. مهم‌ترین ویژگی‌های این روش‌ها، عدم نیاز به فرضیات و الزامات آماری موردنیاز روش‌های رگرسیون خطی و درون‌یابی، عدم نیاز به فرضیات نرمال‌بودن، مقاوم‌بودن در برابر مقادیر و مقادیر گمشده و توانایی تشخیص روابط غیرخطی پیچیده بین متغیرها و اهداف پیش‌بینی است که آن‌ها را برای کاربردهای مختلف در صنعت دامپروری مناسب می‌سازد. پروتکل‌های دقیق ثبت داده‌ها و هم‌چنین تنظیمات دقیق الگوریتم برای پیش‌بینی دقیق ضروری هستند.