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

مطالعه حاضر با هدف تخمین صفات تولیدی مرغ مادر گوشتی آرین در کل دوره با استفاده از عملکرد اوایل دوره تولید به کمک مدل سازی شبکه عصبی مصنوعی انجام شد. متغیرهای ورودی مورد استفاده برای مدل سازی شامل سالن، تعداد مرغ مادر در هر سالن، تعداد هفته های تولید، رکوردهای وزن بدن در 21 تا 24 هفتگی و خروجی های مدل پیش بینی های وزن بدن، تولید تخم مرغ، توده تخم مرغ، وزن تخم مرغ 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 تخم مرغ، وزن تخم مرغ و توده تخم مرغ به ترتیب 1-4-7-7، 1-4-8-8، 1-3-7-7 و 1-3-7-7 انتخاب شد. ضریب تبیین مدل های بهینه بدست آمده برای هر یک از صفات وزن بدن، مصرف خوراک، تعداد تخم مرغ، وزن تخم مرغ وتوده تخم مرغ 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 تاثیر محسوس ساختمان و پارامترهای شبکه شامل ورودی ها و خروجی ها و تعداد نرون های هر لایه و تعداد لایه های پنهان بر روی عملکرد مدل شبکه عصبی مصنوعی بود. نتایج این مطالعه نشان داد که امکان پیش بینی عملکرد صفات مختلف در کل دوره تولیدی مرغ های مادر آرین بر اساس اطلاعات هفته های ابتدایی پرورش، با دقت مطلوب وجود دارد.