برازش منحني رشد در بلدرچين ژاپني با استفاده از مدل هاي غيرخطي و مختلط غيرخطي

مقدمه وهدف: امروزه مدل هاي رشد در سامانه هاي زيستي از اهميت ويژه اي برخوردار مي باشند. براي نمونه از طريق تجزيه و تحليل و مطالعه منحني هاي رشد در نشخواركنندگان و طيور، اين امكان وجود دارد تا مراحل رشد آنها را با قوانين شناخته شده رشد انطباق داده و به كمك آنها برنامه هاي مديريتي و تغذيه اي جهت انتخاب و تاثير بر پرورش و بهره وري دام ها ارائه نمود. به علاوه از منحني هاي رشد مي توان جهت ارزيابي پتانسيل ژنتيكي موجود زنده نيز استفاده كرد. اين مطالعه به منظور بررسي قابليت ها و مزيت هاي مدل هاي غيرخطي و مختلط غيرخطي در توصيف و بررسي الگوي رشد بلدرچين ژاپني انجام شده است. مواد و روش ها: در اين تحقيق اطلاعات رشد لاين هاي مختلف بلدرچين اعم از لاين سنگين وزن (HW)، سبك وزن (LW) و شاهد استفاده شد. به منظور بررسي و توصيف الگوي رشد بلدرچين هاي سه گروه، از سه مدل رشد لجستيك، گمپرتز و ريچارد هم به صورت غيرخطي و هم به صورت مختلط غيرخطي استفاده شد و اين مدل ها با سه معيار ضريب تعيين (R^2)، ميانگين مربعات خطا (MSE) و معيار اطلاعات آكايك (AIC) با يكديگر مقايسه شدند. يافته ها: مقادير معيارهاي ضريب تعيين (R^2)، ميانگين مربعات خطا(MSE) و معيار اطلاعات آكايك(AIC) به ترتيب براي مدل لجستيك غيرخطي (0.954، 74.034، 65829) و براي مدل گمپرتز غيرخطي به ترتيب (0.957، 72.56، 65307) و همچنين براي مدل ريچارد غيرخطي به ترتيب (0.951، 72.730، 65349) بدست آمد. همچنين سه معيار ضريب تعيين(R^2)، ميانگين مربعات خطا(MSE) و معيار اطلاعات آكايك (AIC) براي مدل لجستيك مختلط غيرخطي به ترتيب (0.978، 33.400، 61449) و براي مدل گمپرتز مختلط غيرخطي به ترتيب (0.978، 31.658، 60641) و همچنين براي مدل ريچارد مختلط غيرخطي به ترتيب (0.978، 31.849، 60591) بدست آمد، كه مدل هاي مختلط غيرخطي به دليل بالاتر بودن دقت و كمتر بودن خطا نسبت به مدل هاي غيرخطي برتري داشتند. نتيجه گيري: مدل رشد ريچارد مختلط با داشتن بالاترين دقت و كمترين خطا بهتر از ساير مدل ها مي تواند رشد را در بلدرچين ژاپني پيش بيني كند و توابع گمپرتز و لجستيك در رده هاي بعدي قرار دارند. در ميان مدل هاي غيرخطي به ترتيب مدل گمپرتز، ريچارد و لجستيك برازش بهتري داشتند و در ميان مدل هاي مختلط غيرخطي به ترتيب برازش مدل هاي ريچارد، گمپرتز و لجستيك بهتر بود. در بين توابع مدل لجستيك غيرخطي به دليل كمتر بودن دقت و بيشتر بودن خطا توصيف مناسبي از منحني رشد بلدرچين ندارد.