مقایسه مدل سازی شبکه عصبی مصنوعی و مدل خطی چندگانه در برآورد وزن دنبه نژادهای دنبه دار و آمیخته های آنها با نژاد بدون دنبه

همه نژادهای گوسفندان بومی ایران بجز نژاد زل، دنبه دار هستند و علیرغم درصد چربی لاشه کمتر بره های نر نسبت به ماده ها، دارای وزن دنبه بیشتری می باشند. استفاده از میزان تنوع درون نژادی جهت تغییر ژنتیکی مستلزم اندازه گیری دقیق وصحیح وزن دنبه در دام های تحت انتخاب می باشد. هدف این مطالعه مقایسه روش های مدل سازی شبکه عصبی مصنوعی (ANN) و مدل خطی جهت پیش بینی وزن دنبه در گوسفند از روی وزن بدن و اندازه های مختلف ابعاد دنبه بود. برای مدل سازی جهت برآورد وزن دنبه، تعداد 32 بره از نژادهای شال و زندی، آمیخته های زندی×شال، زل×زندی و زل×شال تهیه گردید. ورودی های مدل شامل نوع تولد، جنسیت، نژاد، عرض بالای دنبه، عرض میانی دنبه، عرض پایین دنبه، ارتفاع دنبه و وزن بدن قبل از کشتار و خروجی مدل وزن دنبه بود. صفات وزن بدن، نژاد و عرض میانی دنبه به ترتیب با مقادیر 83/0، 82/0- و 80/0 دارای بیشترین همبستگی با وزن دنبه داشتند. پارامترهای برازش بهترین مدل شبکه عصبی مصنوعی دارای ضرایب تبیین 99/0 و مجذور میانگین مربعات خطای(RMSE) 3/70 گرم بودند. میزان پارامترهای مذکور در مدل خطی به ترتیب 89/0 و 86/263 گرم بود. نتایج حاصل از بسط مطالعه اصلی، وجود پیچیدگی روابط متقابل بین ورودی های مدل را نشان داد. این پژوهش امکان پیش بینی دقیق و صحیح وزن دنبه نژادها و آمیخته های مختلف را با استفاده از شبکه عصبی به اثبات رساند. این مطالعه همچنین نشان داد که برآورد وزن دنبه از روی صفات قابل اندازه گیری در گوسفند با استفاده از مدل شبکه عصبی مصنوعی با صحت و دقت بیشتری نسبت به مدل خطی انجام می شود.