توصيف رياضي منحني رشد گوسفندان كردي با استفاده از شبكه عصبي مصنوعي و مقايسه آن با برخي مدل‌هاي غيرخطي

هدف اين تحقيق مقايسه شبكه عصبي مصنوعي با مدل‌هاي رگرسيون غيرخطي برودي، گمپرتز، لجستيك و ون‌برتالانفي در برازش منحني رشد گوسفند كردي بود. براي اين منظور، تعداد 17659 ركورد روز آزمون وزن تولد تا يكسالگي موجود در ايستگاه پرورش و اصلاح ‌نژاد حسين‌آباد شيروان در استان خراسان شمالي طي سال‌هاي 1375 تا 1392 متعلق به 5074 راس دام آماده‌سازي و استفاده شد. معماري شبكه بر پايه پرسپترون سه لايه با تعداد پنج نورون در هر لايه بود كه از تابع انتقال سيگموئيدآكسون و قانون يادگيري لونبرگماركوآت و با استفاده از نرم‌افزار نروسولوشن ساخته شد. تجزيه مدل‌هاي غيرخطي با رويه NLIN نرم‌افزار SAS انجام شد. نكويي برازش مدل‌ها بر اساس ضريب تبيين (R2)، جذر ميانگين مربعات خطا (RMSE)، ميانگين قدرمطلق انحرافات (MAD)، معيار اطلاعات آكائيك (AIC) و معيار اطلاعات بيزي (BIC) تعيين و اثر عوامل ثابت مؤثر روي فراسنجه هاي مدل بهينه بررسي شد. نتايج نشان داد كه شبكه عصبي مصنوعي با داشتن بالاترين صحت (0.9735=R2) و كمترين خطا (3.452=RMSE و 2.424=MAD) بهتر از ساير مدل‌ها، منحني رشد را توصيف كرد. بين مدل‌هاي غيرخطي، مدل برودي با بالاترين 0.966=R2 و كمترين AIC، BIC، MAD و RMSE توانست در هر دو جنس برآورد مناسبي از منحني رشد ارائه دهد. در جنس نر، بره‌هاي تك‌قلو و گوسفنداني كه در ماه‌هاي زمستان متولد شده بودند، وزن مجانبي و نرخ رشد بيشتر بود. شاخص‌هاي ارزيابي نشان داد شبكه عصبي مصنوعي دقت بالايي در پيش‌بيني منحني رشد گوسفندان كردي دارد و پس از آن مدل برودي مناسب‌تر از ساير مدل‌ها بود.