بررسی کارایی شبکه عصبی مصنوعی جهت پیش‌بینی صفات عملکردی مرغ مادر گوشتی آرین

نویسندگان

1 بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران،

2 بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

3 معاونت امور دام، سازمان جهاد‌کشاورزی استان گلستان، وزارت جهاد‌کشاورزی، گرگان، ایران

4 بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

doi
10.22092/asj.2022.355952.2178
چکیده

مطالعه حاضر با هدف تخمین صفات تولیدی مرغ مادر گوشتی آرین در کل دوره با استفاده از عملکرد اوایل دوره تولید به کمک مدل‌سازی شبکة عصبی مصنوعی انجام شد. متغیرهای ورودی مورد استفاده برای مدل‌سازی شامل سالن، تعداد مرغ مادر در هر سالن، تعداد هفته‌های تولید، رکوردهای وزن بدن در 21 تا 24 هفتگی و خروجی‌های مدل پیش‌بینی‌های وزن بدن، تولید تخم‌مرغ، توده تخم‌مرغ، وزن تخم‌مرغ و مصرف خوراک در سن 25 تا 47 هفتگی بودند. مدل مورد استفاده برای تخمین وزن بدن دارای 5 ورودی، 5 نورون در لایه پنهان اول، 2 نورون در لایه پنهان دوم و یک خروجی بود که به صورت 1-2-5-5 نگارش شد. به همین ترتیب ساختار بهینه مدل شبکه عصبی تخمین صفات مصرف خوراک، تعداد تخم‌مرغ، وزن تخم‌مرغ و توده تخم‌مرغ به ترتیب 1-4-7-7، 1-4-8-8، 1-3-7-7 و 1-3-7-7 انتخاب شد. ضریب تبیین مدل‌های بهینه بدست آمده برای هر یک از صفات وزن بدن، مصرف خوراک، تعداد تخم‌مرغ، وزن تخم‌مرغ وتوده تخم‌مرغ به ترتیب 991/0، 998/0، 989/0، 993/0 و 996/0 و مجذور میانگین مربعات خطای آنها به ترتیب 55/1، 992/0، 266/0، 838/3 و 506/0 برآورد شد. نتایج حاکی از تأثیر محسوس ساختمان و پارامترهای شبکه شامل ورودی‌ها و خروجی‌ها و تعداد نرون‌های هر لایه و تعداد لایه‌های پنهان بر روی عملکرد مدل شبکه عصبی مصنوعی بود. نتایج این مطالعه نشان داد که امکان پیش‌بینی عملکرد صفات مختلف در کل دورة تولیدی مرغ‌های مادر‌ آرین بر اساس اطلاعات هفته‌های ابتدایی پرورش، با دقت مطلوب وجود دارد.