مقایسه ی عملکرد شبکه ی عصبی با برخی توابع ریاضی در پیش بینی منحنی شیردهی گاوهای شیری ایران

برای مقایسه ی شبکه عصبی مصنوعی و برخی توابع ریاضی در پیش بینی منحنی شیردهی، از تعداد 1085525 رکورد شیر روز آزمون گاوهای شیری هلشتاین زایش اول استفاده گردید که توسط مرکز اصلاح نژاد دام و بهبود تولیدات دامی کشور طی سال های 1391-1362 جمع آوری شده بود. برازش منحنی شیردهی، با استفاده از بسته نرم افزاری brnn (برای شبکه عصبی مصنوعی) و برخی توابع ریاضی با تابع nls در نرم افزار R اجرا شد. ویرایش داده ها با نرم افزار SAS انجام شد. از معیارهای اطلاعات آکائیک، اطلاعات بیزی، میانگین مربعات خطا و ضریب تبیین تعدیل شده، برای ارزیابی نیکویی برازش استفاده شد. شبکه ی عصبی مصنوعی با تنظیم بیزی (brnn) و توابع ریاضی وود، ویلمینک، علی - شفر و پلوت - گوتوین در پیش بینی منحنی شیردهی برای صفات تولید شیر، درصد چربی و پروتئین شیر به کار گرفته شدند. نتایج نشان داد brnn در همه ی صفات مورد بررسی (تولید شیر، درصد چربی و پروتئین شیر) نسبت به توابع ریاضی غیرخطی، برازش بهتری از شکل منحنی استاندارد گاوهای هلشتاین ایران دارد. در بین توابع ریاضی بررسی شده، برای صفت تولید شیر، مدل ویلمینک، و برای درصد چربی شیر و درصد پروتئین شیر، مدل علی - شفر برازش بهتری داشت. استفاده از شبکه های عصبی مصنوعی بیزی برای توصیف منحنی شیردهی و ترکیبات شیر در گاوهای هلشتاین ایران توصیه می گردد.