استفاده از چهار رکورد اول تولید شیر در شبکه های عصبی مصنوعی برای برآورد کل تولید شیر گاوهای شیری هلشتاین
Publish place: کنفرانس بین المللی علوم کشاورزی، گیاهان دارویی و طب سنتی
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,007
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CONFMT01_016
تاریخ نمایه سازی: 2 تیر 1397
Abstract:
در این پژوهش از 274025 داده اولیه دو گله پرورشی بین سالهای 1378 -1395 که شامل رکورد تولید شیر حاصل از 7201 گاو شیری هلشتاین بود جهت .پیشبینی کل تولید شیر در یک دوره شیرواری 305 روزه با استفاده از شبکه های عصبی مصنوعی استفاده شد. با ویرایش دادههای تولیدی در نهایت 87980 رکورد تولید شیر ماهانه در قالب 8798 ردیف داده بهعنوان مخزن نهایی دادهها مورد استفاده قرار گرفت. هر ردیف شامل گله، سن، شکم، رکورد تولید شیر اول تا دهم دام و تولید کل دام در دوره شیرواری 305 روزه برای هر دام بود. از شبکه های عصبی مصنوعی با روش آموزش تحت نظارت با ساختار پرسپترون چند لایه با سه توابع فعالیت تانژانت هایپربولیک آکسون، سیگمویید آکسون، تانژانت هایپربولیک خطی آکسون و سه الگوریتم آموزشی پس انتشار مومنتوم، گرادیان نزولی و لونبرگ مارکوات در هر دو لایه پنهان و خروجی استفاده شد. به عنوان معیارهای عملکرد بهینه شبکه عصبی مصنوعی آماره های ضریب تبیین، مجذور میانگین مربعات خطا و میانگین خطای مطلق مدنظر قرار گرفتند. نتایج نشان داد که شبکه عصبی مصنوعی با ساختارهای طراحی شده در پیش بینی کل تولید دام در یک دوره شیرواری 305 روزه با استفاده از 4 رکورد اول تولید شیر دام موفق عملکرد کرد. بهطوری که برای تمامی ساختارهای شبکه ضریب تبیین، مجذور میانگین مربعات خطا و میانگین خطای مطلق در حد مطلوب قرار داشت و به ترتیب در دامنه 0/8 -0/85، 865/868 -991/35، 673/83 -787/78 بودند که در این میان برای ساختار شبکه با الگوریتم لونبرگ مارکوات و تابع فعالیت تانژانت هایپربولیک آکسون؛ ضریب تبیین دارای بیشترین مقدار و مجذور میانگین مربعات خطا و میانگین خطای مطلق دارای کمترین مقدار بودند. با توجه به نتایج به دست آمده میتوان دریافت که شبکه عصبی مصنوعی میتواند با دقت بالایی کل تولید حیوان در دوره شیرواری 305 روزه را جهت مدیریت بهتر گله پیشبینی کند.
Keywords:
Authors
رشید صفری
استادیار گروه علوم دامی دانشکده کشاورزی و منابع طبیعی اهر – دانشگاه تبریز
محمدرضا شیخلو
استادیار گروه علوم دامی دانشکده کشاورزی و منابع طبیعی اهر – دانشگاه تبریز
مسلم ثروتی
استادیار مرکز آموزش عالی شهید باکری – دانشگاه ارومیه