مقایسه دقت شبکه عصبی مصنوعی و مدل رگرسیون خطی در تخمین وزن شتر یک کوهانه با استفاده از اندازه های بدن
در مدیریت پرورش شتر وزن کشی در گروه بندی دام ها، تنظیم احتیاجات غذایی و نیز ارزیابی سالیانه حیوانات نقش تعیین کننده دارد. شترداران به دلیل دشواری و مخاطرات متعدد، معمولا روش های جایگزین نظیر استفاده از برآورد ظاهری و یا وزن متر را برای تخمین وزن شترها ترجیح می دهند. از آن جا که دقت مدل های 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 یک کوهانه از روی ابعاد بدنی آن ها 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 شتر ها (طول بدن، ارتفاع جدوگاه، ارتفاع کپل، ارتفاع کوهان تا زمین، دور سینه و دور شکم) به طور ماهیانه اندازه گیری شد. برای تخمین وزن شترها از روی ابعاد بدن آن ها داده ها با استفاده از مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفتند. وزن شترها از روی ابعاد بدنی آن ها 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 آن ها برآورد نمودند. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی از قابلیت مناسبی برای تخمین وزن شترها از روی ابعاد بدنی آن ها برخوردار بوده و می تواند جایگزین روش های متداول رگرسیون گردد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.