استفاده از مدل گمپرتز برای تخمین پارامترهای رشد جوجه های گوشتی تغذیه شده با بنتونیت سدیم و مقایسه آن با شبکه عصبی-مصنوعی

این آزمایش به منظور تعیین اثر سطوح مختلف بنتونیت سدیم بر پارامترهای رشد جوجه های گوشتی و مقایسه توان پیش بینی شبکه عصبی مصنوعی و مدل گمپرتز انجام گردید. به این منظور از 288 قطعه جوجه گوشتی یک روزه سویه راس که در قالب یک طرح کاملا تصادفی با شش تیمار (6 جیره) و هر تیمار شامل 4 تکرار استفاده شد. تیمارها به ترتیب شامل 0، 75/ 0، 5 /1، 25/ 2، 3 و 75/ 3 درصد بنتونیت سدیم بودند که به صورت سرک استفاده شدند. به منظور برآورد خصوصیات رشد از تابع رشد گمپرتز استفاده گردید و جهت مقایسه توان پیش بینی این تابع با مدل شبکه عصبی مصنوعی از شاخص های مجذور ضریب همبستگی (R2)، میانگین قدر مطلق انحرافات (MAD)، ریشه میانگین مربع خطا (RMSE) و اریبی استفاده گردید. تیمارهای آزمایشی سبب تغییر معنی دار در پارامترهای مقدار وزن نهایی (Wf)، وزن اولیه جوجه ها (W0)، زمان تغییر منحنی رشد (T) و وزن در زمان تغییر منحنی رشد (Wi) گردیدند (05/ 0>P)، اما ثابت رشد نمایی (b) تحت تاثیر جیره های آزمایشی قرار نگرفت. نرخ رشد در تمام سنین به جز هفته چهارم تحت تاثیر تیمارهای غذایی قرار گرفت و اختلاف معنی داری بین تیمارها مشاهده شد (05/ 0>P). نتایج مقایسه شاخص های توان پیش بینی نشان داد، مقدار مجذور ضریب همبستگی، برای شبکه عصبی مصنوعی بالاتر از این مقدار برای معادله گمپرتز است، این مقادیر به ترتیب 9992/ 0 و 9925/ 0 بود. از طرف دیگر مقدار میانگین قدر مطلق انحرافات، ریشه میانگین مربع خطا و اریبی شبکه عصبی مصنوعی کم تر از معادله گمپرتز بود. در کل یافته های این تحقیق نشان دهنده کارایی بیشتر شبکه عصبی مصنوعی نسبت به معادله گمپرتز برای بیش بینی وزن جوجه های گوشتی در سن 42 روزگی می باشد.