مدل سازی اثرات برخی عوامل تغذیه ای و وزن بدن بر عامل نسبی تولید مرغهای مادر گوشتی با استفاده از شبکه های عصبی از نوع gmdh چند هدفی مقاوم

پایان نامه
چکیده

در این پژوهش از شبکه عصبی gmdh robust برای پیش بینی شاخص میزان تولید نسبی در مرغهای مادر گوشتی ( متغیر وابسته)، بر اساس پنج فاکتور تغذیه ای شامل میزان پروتئین مصرفی، میزان انرژی قابل متابولیسم، نسبت کلسیم به فسفر مصرفی، میزان متیونین + سیستئین و لیزین مصرفی ( متغیر مستقل) استفاده شد. داده های مورد نیاز این پژوهش از 21 گله مرغ مادر گوشتی نژاد راس 308 متعلق به سه مزرعه مختلف جمع آوری گردید. الگوریتم ژنتیک اصلاح شده مرتب سازی نقاط غیر برتر، به منظور بدست آوردن ساختار بهینه شبکه بر اساس مینیمم کردن 4 تابع هدف و بهینه سازی معادلات چند جمله ای شاخص میزان تولید بر اساس ورودی های تحت بررسی استفاده شد. بردار ضرایب معادلات درجه دوم مدلسازی از طریق روش تجزیه مقادیر منفرد (svd) محاسبه گردید. برای بررسی توانایی پیش بینی شبکه عصبی، داده های آزمایشی به دو قسمت (آموزش و آزمون) تقسیم و کیفیت برازش مدل ها با استفاده ازمقادیر ضریب تبیین (r2)، میانگین مربعات خطا (mse)، میانگین مطلق درصد خطا (mape) و بایاس مربوط به مدل و آزمون تعیین شد. همچنین از آنالیز حساسیت به منظور تعیین مهمترین متغیرهای تاثیر گذار بر مدل توسعه یافته توسط شبکه عصبی استفاده شد. این مدل بیشترین حساسیت را به ترتیب نسبت به متیونین+سیستئین، لیزین،نسبت کلسیم به فسفر،انرژی و در نهایت پروتئین مصرفی شان داد. نتایج بدست آمده نشان داد شبکه های عصبی مصنوعی از نوع gmdh robust ابزار توانمندی در پیش بینی شاخص میزان تولید نسبی مرغهای مادر گوشتی است. این توانایی را می توان با توسعه مدل های با تعداد نرون های کمتر حاصل از الگوریتم ژنتیک، تخصیص ضرایب چند جمله ای کارآمدتر در شبکه و ایجاد خطای کم در پیش بینی توجیه نمود. نتایج بهینه سازی توسط الگوریتم ژنتیک برای بیان مقادیر بهینه عوامل تغذیه ای به منظور دستیابی به بالاترین عملکرد مرغهای مادر در مقایسه با پیشنهادات پژوهش های پیشین مطلوب بوده و نشان ازکارایی بالای این روش بهینه سازی برای پیدا کردن وضعیت بهینه ورودیها و خروجی مورد استفاده است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی تولید وزنی تخم مرغ قابل جوجه کشی بر مبنای عوامل تغذیه ای و وزن مرغ مادر گوشتی با استفاده از شبکه های عصبی مصنوعی نوع gmdh چند هدفی مقاوم

شبکه های عصبی ابزارهای نسبتاً جدیدی هستند که در فرآیندهای مدل سازی رشد در سیستم های پرورش حیوانات مورد استفاده قرار می گیرند. در این پژوهش شبکه عصبی gmdh robust ، به عنوان یک مدل خود سازمانده، جهت پیش-بینی تولید وزنی تخم مرغ قابل جوجه کشی در مراحل مختلف تولیدی (25 تا 29 هفتگی، 30 تا 35 هفتگی، 36 تا 60 هفتگی و 25 تا 60 هفتگی) در مرغان مادر مورد استفاده قرار گرفت. متغیرهای ورودی موثر در این پژوهش ...

15 صفحه اول

مدل سازی نیروی رانش و مصرف سوخت ویژه برای موتور توربوفن با استفاده از شبکه عصبی نوع GMDH

در این مقاله، از شبکه عصبی از نوع Group Method of Data Handling یا به اختصار GMDH، مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم‌های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است. بدلیل اهمیت میزان مصرف سوخت و تاثیر آن بر روی نیروی رانش موتور توربوفن به خصوص در موتور هواپیماهای تجاری و مسافربری، در این تحقیق تاثیر نسبت سوخت به هوا بر روی دو پارامتر بسی...

متن کامل

مدل سازی سیستم های تعادلی بخار- مایع و مایع - مایع با استفاده از مدل های ترمودینامیکی، ساختارهای فازی و شبکه های عصبی نوع GMDH

بررسی تعادل‌های سیستم های بخار-مایع و مایع-مایع، نقش مهمی در طراحی، بهینه سازی و کنترل فرایندهای جداسازی دارد. در این تحقیق تعادل های فازی بخار-مایع سامانه های دوتایی(1-پروپانول با آب و اتیل استات)، همچنین تعادل های فازی مایع-مایع سامانه های سه تایی (آب، اتیلن گلایکول، 1-هپتانول) و (آب، اتیلن گلایکول، 2-اتیل 1-هگزانول) با استفاده از مدل های ترمودینامیکی NRTL و UNIQUAC مورد مطالعه قرار گرفتند. ه...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023