کاربرد یادگیری ماشین در پیش بینی مصرف خوراک و نرخ رشد دام

افزایش هزینه های خوراک و ضرورت بهبود بهره وری در دامپروری، استفاده از روش های نوین تحلیل داده را به یک نیاز اساسی تبدیل کرده است. هدف این پژوهش بررسی کاربرد الگوریتم های یادگیری ماشین در پیش بینی مصرف خوراک و نرخ رشد دام با استفاده از داده های تغذیه ای و عملکردی است. در این مطالعه، مجموعه ای از داده های واقعی و شبیه سازی شده شامل مصرف ماده خشک، انرژی قابل متابولیسم جیره، وزن اولیه دام و افزایش وزن روزانه مورد استفاده قرار گرفت. مدل های رگرسیون خطی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و جنگل تصادفی برای پیش بینی متغیرهای هدف توسعه داده شدند. نتایج نشان داد که مدل های غیرخطی عملکرد بهتری نسبت به روش های کلاسیک دارند و در این میان، الگوریتم جنگل تصادفی با بالاترین ضریب تعیین و کمترین خطای پیش بینی، دقیق ترین نتایج را ارائه داد. تحلیل اهمیت متغیرها بیانگر نقش کلیدی مصرف خوراک و انرژی جیره در تعیین نرخ رشد دام بود. یافته های این پژوهش نشان می دهد که یادگیری ماشین می تواند به عنوان ابزاری کارآمد در بهینه سازی مدیریت تغذیه، کاهش هزینه ها و توسعه دامپروری دقیق مورد استفاده قرار گیرد.

Keywords:

یادگیری ماشین , مصرف خوراک , نرخ رشد دام , دامپروری دقیق , مدل سازی داده محور