مقایسه مدل خطی و شبکه عصبی مصنوعی در پیش بینی تولید شیر با استفاده از رکوردهای اولین دوره شیردهی ثبت شده

پیش بینی دقیق تولید شیر یکی از ملزومات مدیریت دامپروری و مدل سازی درآمد دامداران در تجزیه و تحلیل های هزینه-فایده می باشد. بطوری که پیش بینی دقیق رکوردهای آینده می تواند طول دوره رکوردبرداری را کاهش دهد. برآوردهای زودهنگام ارزش اصلاحی گاوهای نر با استفاده از رکوردهای بخشی از دوره شیردهی می تواند باعث کاهش فاصله نسل و بیشتر شدن شدت انتخاب و پیشرفت ژنتیکی گردد. مدل خطی یکی از روش های مرسوم مدلسازی در تحقیقات رشته های مختلف علوم می باشد. شبکه عصبی مصنوعی روشی مبتنی بر هوش مصنوعی است که اصول کارکرد آن مانند سلول های مغز انسان می باشد. کاربرد آسان شبکه عصبی مصنوعی و توان مدل سازی توابع و روابط پیچیده یک از عوامل کاربرد وسیع آن است. در طول دو دهه گذشته انقلابی در جهت استفاده از شبکه های عصبی مصنوعی برای مدل سازی در حوزه های مختلف علوم ایجاد شده است که نشان از موفقیت کاربرد این تکنیک قدرتمند در حل دامنه وسیعی از مشکلات مربوط به علوم مختلف می باشد. با این مقدمه تحقیق حاضر با هدف پیش بینی تولید شیر گاوهای شیری در دوره های شیردهی مختلف با استفاده از تولید شیر اولین دوره شیردهی رکوردبرداری شده و مدل سازی شبکه عصبی مصنوعی انجام شد. علاوه بر آن نتایج مدل شبکه عصبی مصنوعی با مدل خطی مورد مقایسه قرار گرفت. در این تحقیق از رکوردهای دو دوره شیردهی متوالی 2460 راس گاو شیری مربوط به یک گله استفاده شد. در شجره سری داده مورد استفاده تعداد 2517 گاو شیری وجود داشت. جهت برازش مدل شبکه عصبی مصنوعی، داده ها به دو دسته آموزش و آزمون تقسیم شدند. مدل شبکه عصبی با استفاده از داده های آموزش روابط بین خروجی و ورودی ها را یادگیری نمود. با پیش بینی خروجی داده-های آزمون توسط مدل و مقایسه برآوردها با اندازه های واقعی، پارامترهای برازش مدل مورد بررسی قرار گرفتند. ساختار شبکه ای که بهترین پارامترهای برازش را ایجاد می نمود در مدل شبکه عصبی مصنوعی مورد استفاده قرار گرفت. در نهایت، مدل خطی بر روی داده ها برازش شده و با مدل شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. بهترین ساختار مدل شبکه عصبی دارای 8 ورودی، 4 نرون در لایه پنهان اول، 2 نرون در لایه پنهان دوم و یک خروجی بود که ورودی های آنها شامل ارزش اصلاحی میانگین تولید شیر دوره اول شیردهی ثبت شده، نوبت زایش، گروه پدری، سن اولین زایش ثبت شده، تعداد رکورد برای هر دوره شیردهی و میانگین، حداقل و حداکثر روزهای شیردهی ثبت شده و خروجی مدل شامل رکورد شیر تولیدی بود. مدل شبکه عصبی مورد استفاده، رکورد مربوط به دوره های شیردهی را به ترتیب با RMSE و ضریب تبیین 94/7 و 625/0 برآورد کرد. ضریب تبیین و RMSE مدل خطی مورد بررسی به ترتیب 39/0 و 63/26 بود. مدل شبکه عصبی مورد استفاده در این تحقیق قادر به پیش بینی تولید شیر دوره آینده بر اساس اطلاعات اولین دوره شیردهی ثبت شده بود. این تحقیق نشان داد که استفاده از مدل سازی شبکه عصبی می تواند در کاهش طول دوره رکوردبرداری برای ارزیابی ژنتیکی گاوهای شیری بخصوص گاوهای نر مفید می باشد و می تواند باعث کاهش فاصله نسل گردد. نتایج همچنین نشان داد که با بکارگیری مدل شبکه عصبی مصنوعی داده های ناقص نیز در ارزیابی ژنتیکی قابل استفاده می باشند. مقایسه تحقیق حاضر با تحقیقات گذشته نشان داد که استفاده از عوامل موثرتر برای تولید شیر به عنوان ورودی مدل می تواند دقت و صحت پیش بینی ها را افزایش دهد.