فهرست نشریات علمی دسترسی آزاد ایران

در مدیریت پرورش شتر وزن کشی در گروه بندی دام‌ها، تنظیم احتیاجات غذایی و نیز ارزیابی سالیانه حیوانات نقش تعیین کننده دارد. شترداران به دلیل دشواری و مخاطرات متعدد، معمولاَ روش‌های جایگزین نظیر استفاده از برآورد ظاهری و یا وزن‌متر را برای تخمین وزن شترها ترجیح می‌دهند. از آن‌جا که دقت مدل‌های ریاضی در تخمین وزن شترها یکسان نیست، لذا پژوهش حاضر با هدف مقایسه دقت برآورد شبکه عصبی مصنوعی و مدل رگرسیون خطی چندگانه در تخمین وزن شترهای یک‌کوهانه از روی ابعاد بدنی آن‌ها به انجام رسید. به این منظور 26 نفر شتر با تعداد 203 رکورد از یک مزرعه شخصی برای مدت یک‌ سال استفاده شد. وزن کشی و تعیین ابعاد بدنی شتر‌ها (طول بدن، ارتفاع جدوگاه، ارتفاع کپل، ارتفاع کوهان تا زمین، دور سینه و دور شکم) به‌طور ماهیانه اندازه‌گیری شد. برای تخمین وزن شترها از روی ابعاد بدن آن‌ها داده‌ها با استفاده از مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفتند. وزن شترها از روی ابعاد بدنی آن‌ها با استفاده از مدل رگرسیون خطی چند متغیره و مدل شبکه عصبی مصنوعی به ترتیب با دقت 94/0 و 99/0 تخمین زده شد. در آزمون عملی، مدل رگرسیون چندگانه و شبکه عصبی مصنوعی به ترتیب وزن شترها را 39/16 و 07/5 کیلوگرم کمتر از وزن واقعی آن‌ها برآورد نمودند. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی از قابلیت مناسبی برای تخمین وزن شترها از روی ابعاد بدنی آن‌ها برخوردار بوده و می‌تواند جایگزین روش‌های متداول رگرسیون گردد.