پیش‌بینی صفات لاشه از اندازه‌های بدن با استفاده از روش‌های رگرسیون خطی و شبکه‌ی عصبی مصنوعی در گوسفند لری‌بختیاری

Authors

  • محمدعلی طالبی مرکز تحقیقات کشاورزی و منابع طبیعی استان چهار محال و بختیاری
Abstract:

سابقه و هدف: در این پژوهش ارتباط بین وزن زنده هنگام کشتار گوسفند لریبختیاری با خصوصیات لاشه (وزن لاشه‌ی گرم، وزن لاشه‌ی سرد، وزن نیم لاشهی سرد، وزن گوشت، وزن چربی، وزن استخوان و وزن دنبه) و برخی اندازههای ظاهری بدن (طول بدن، دور قفسه سینه، عرض کپل و عرض شانه) مورد بررسی قرار گرفت. همچنین معادلات رگرسیون خطی مناسب برای پیشبینی وزن زنده و خصوصیات لاشه تعیین شد و با روش شبکه‌ی عصبیمصنوعی نیز مقایسه گردید. مواد و روش‌ها: از رکوردهای مربوط به 58 رأس بره نر نژاد لریبختیاری ایستگاه پرورش و اصلاح نژاد شهرستان شهرکرد واقع در استان چهار محال و بختیاری استفاده شد. برهها در سن 5±90 روزگی شیرگیری و سپس در سه گروه 60، 80 و 100 روز پروار شدند. در پایان دوره پروار اندازههای ظاهری بدن اندازه‌گیری شد و بعد از کشتار و پوستکنی نیز خصوصیات لاشه مورد نظر اندازهگیری گردید. از تعداد 696 رکورد برای پیش‌بینی وزن زنده و خصوصیات لاشه با استفاده از معادلات رگرسیون و شبکه‌ی عصبی مصنوعی استفاده گردید. پیش‌بینی خصوصیات لاشه و وزن زنده هنگام کشتار با استفاده از اندازههای ظاهری بدن توسط معادله رگرسیونی دارای بهترین ضریب تعیین انجام شد. همچنین مدلهای رگرسیونی منتخب پیشبینی کننده صفات با استفاده از شبکه‌ی عصبی مصنوعی نیز برازش داده شدند و نتایج این دو روش بر اساس معیارهای ضریب تعیین و میانگین مربعات خطا مقایسه شد. یافته‌ها: ضرایب همبستگی فنوتیپی بین وزن زنده و خصوصیات لاشه مثبت و نسبتاً زیاد برآورد گردید که در دامنه‌ی 58/0 تا 99/0 قرار داشتند. ضرایب همبستگی فنوتیپی بین اندازه‌های بدن و خصوصیات لاشه نیز دارای تغییراتی در دامنه‌ی 29/0 تا 69/0 بود. در بین اندازههای ظاهری بدن بیشترین همبستگی را دور قفسه‌ی سینه با وزن زنده و خصوصیات لاشه داشت. همبستگی نسبتاً بالای بین وزن زنده و وزن اجزای مختلف لاشه با اندازه‌های ظاهری بدن در پژوهش حاضر حاکی از آن است که می‌توان از اندازه‌های ظاهری بدن در پیش‌بینی این صفات و با دقت نسبتاً بالایی استفاده نمود. نتایج نشان داد با استفاده از اندازههای طول بدن، دور قفسهی سینه و عرض کپل در معادله رگرسیونی می توان با دقت 79 درصد وزن زنده بره های لری بختیاری را پیش‌بینی نمود. همچنین با استفاده از وزن زنده و دور قفسهی سینه میتوان وزن لاشهی گرم و وزن لاشه‌ی سرد را به ترتیب با دقت 97 و 96 درصد برآورد نمود. وزن زنده بدن به ترتیب 94 و 72 درصد از تنوع وزن نیم لاشه و وزن دنبه را توجیه نمود. همچنین نتایج نشان داد که کارایی شبکه‌ی عصبی مصنوعی طراحی شده در پیش-بینی خصوصیات لاشه بالاتر از مدل‌های رگرسیون بود. نتیجه‌گیری: نتایج نشان داد که می‌توان با دقت نسبتاً بالایی از اندازه‌های ظاهری بدن در پیش‌بینی وزن زنده و وزن اجزای مختلف لاشه استفاده نمود. همچنین نتیجهگیری شد که تکنیک شبکه‌ی عصبی مصنوعی بهتر از معادلات رگرسیون خطی قادر به پیش‌بینی وزن زنده و خصوصیات لاشه در گوسفندان لریبختیاری بود. با توجه به اهمیت خصوصیات لاشه در تعیین پتانسیل ژنتیکی و تنظیم برنامه‌های اصلاح نژاد مرتبط با افزایش تولید گوشت، نتایج این پژوهش می‌تواند استفاده کاربردی داشته باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی صفات رشد گوسفند لری با استفاده از مدل‌های غیر خطی و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک

زمینه مطالعاتی: در این پژوهش از اطلاعات تعداد 7054 راس گوسفند نژاد لری برای برازش منحنی رشد این نژاد استفاده شد. هدف: صفات رشد مورد بررسی شامل وزن تولد، از شیرگیری، شش ماهگی و نه ماهگی بود که با استفاده از سه مدل غیر خطی شامل گمپرتز، برودی و لجستیک و همچنین شبکه عصبی مصنوعی (ANN) برازش شد. روش کار: تیپ تولد، جنسیت، سال تولد، سن مادر و فصل تولد به همراه وزن تولد، شیرگیری و شش ماهگی به عنوان عوام...

full text

پیشبینی فراوانی وقوع گرماهای فرین با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیون خطی در ایران مرکزی

رویدادهای اقلیمی فرین، پدیدههایی هستند که از نظر شدت و فراوانی کمیاب هستند. عمده فعالیت های انسانی براساس دما پایه گذاری شده و ارگانیسم و فعالیت های ذهنی و بدنی انسان و اغلب زیستمندان، نسبت به دماهای فرین به شدت حساس بوده و دچار مشکل می شود. گرماهای فرین از تظاهرات اصلی تغییرات اقلیمی جهان معاصر هستند که به لحاظ وقوع و صدمات جانی و مالی به بار آمده، بسیار حائز اهمیت می باشد. روزهای گرم از حالت ...

تخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی

مدول الاستیسیته سنگ بکر یکی از ملزومات اساسی بسیاری از مطالعات ژئومکانیکی و به ویژه پروژه های حفاری سنگ می باشد. برای تعیین مستقیم مدول الاستیسیته نمونه مغزه‌های باکیفیت بالا و هندسه مناسب مورد نیاز بوده و تهیه نمونه‌های مناسب از سنگ‌های شکسته و هوازده برای این منظور به آسانی امکان­پذیر نیست. بنابراین مدل‌های پیش­بینی مدول الاستیسیته براساس خصوصیات شاخص سنگ بکر ارائه گردیده­اند. در این مطالعه ب...

full text

پیش‌بینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی

روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. د...

full text

معرفی دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پرانرژی با استفاده از رگرسیون خطی چندگانه و شبکه‌ی عصبی مصنوعی(علمی-ترویجی)

Abstract In this work tow simple approaches have been introduced to predict heat of explosion of high energetic materials. experimental heat of explosion of 74 energetic compound were collected from articles and this dataset was separated randomly into two groups, training and prediction sets, respectively, which were used for generation and evaluation of suitable models. Multiple linear reg...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 4

pages  1- 20

publication date 2016-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023