مقایسه توان پیش بینی شبکه عصبی مصنوعی و رگرسیون خطی چندگانه جهت پیش بینی وزن یک سالگی بزهای نژاد رائینی

به منظور مقایسه دو روش شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه جهت پیش بینی وزن یک سالگی بزهای نژاد رایینی از رکورد 736 راس بز نژاد رایینی استفاده شد. اثرات و متغیرهای مورد بررسی موثر بر صفت افزایش وزن این دام شامل؛ جنس دام، تیپ تولد، گله، فصل تولد، سال تولد و صفات مربوط به وزن تولد، سه ماهگی، شش ماهگی و نه ماهگی بودند. به منظور پردازش داده ها با استفاده از شبکه های عصبی مصنوعی، 3 مدل شبکه ی پرسپترون چند لایه هر کدام با تعداد و نوع ورودی متفاوت ایجاد و استفاده شد. مدل سازی داده ها با استفاده از نرم افزار شبکه های عصبیSTATISTICA 10 انجام شد. داده ها در مدل رگرسیونی چندگانه با استفاده از نرم افزار SAS 9.1.3 با روش رگرسیون گام به گام (stepwise) آنالیز شدند و مدل مناسب با توجه به ضریب تبیین، حداقل میانگین مربعات خطا و بایاس انتخاب شد. نتایج این پژوهش نشان داد که شبکه های عصبی مصنوعی دارای دقت و صحت بالاتری نسبت به روش های رگرسیونی برای پیش بینی وزن یک سالگی این دام ها می باشند. بطوری که میزان R2 در شبکه های ساخته شده ی 1 تا 3 به ترتیب برابر با 998/0، 998/0 و 997/0 و میزان RMSE به ترتیب برابر با 96/0، 97/0 و 22/1 بود.