پیش بینی برخی صفات لاشه با استفاده از شبکه عصبی مصنوعی و مقایسه رگرسیون غیرخطی و شبکه عصبی در توصیف رشد در گوسفند لری بختیاری

در این مطالعه از داده¬های اندازه¬گیری شده بر روی 58 رأس بره نر از نژاد لری¬بختیاری، جمع-آوری شده در ایستگاه شولی شهرکرد استفاده شد. ارتباط بین اندازه¬های بدن (طول بدن، دور قفسه سینه، عرض کپل و عرض شانه) با وزن بدن و برخی صفات لاشه با استفاده از معادلات رگرسیون خطی و تکنیک شبکه¬ی عصبی مصنوعی مورد بررسی قرار گرفت. همبستگی بین اندازه¬های بدن با وزن زنده و صفات لاشه تقریبا بالا برآورد گردید. نتایج نشان داد که تکنیک شبکه¬ی عصبی مصنوعی به مراتب بهتر از معادلات رگرسیون خطی قادر به پیش¬بینی وزن و صفات لاشه در گوسفندان لری¬بختیاری است. نتایج این مطالعه با توجه به ارتباط بین اندازه های بدن و صفات لاشه و اهمیت این صفات در تعیین پتانسیل ژنتیکی و تنظیم برنامه های اصلاح-نژادی برای تولید گوشت بالا می¬تواند مفید واقع شود. همچنین از چهار مدل غیرخطی برودی، ون¬برتالانفی، گومپرتز و لجستیک و شبکه¬ی عصبی مصنوعی جهت برازش رشد استفاده شد. از داده¬های وزن بدن شامل 6495 رکورد وزن بدن متعلق به 1999 بره لری بختیاری در قالب وزن تولد، سه¬ماهگی، شش¬ماهگی، نه¬ماهگی و یک¬سالگی که از ایستگاه اصلاح نژاد شولی شهرکرد جمع آوری شده بود استفاده شد. مقایسه مدل¬ها توسط ضریب تعیین (r2) ، میانگین قدر مطلق انحرافات (mad) و میانگین قدر مطلق درصد خطاها (mape) انجام شد. نتایج نشان داد که شبکه¬ی عصبی مصنوعی بهتر از مدل¬های غیر¬خطی توانست رشد را در گوسفندان لری-بختیاری برازش کند. در میان مدل¬های غیر¬خطی نیز مدل برودی بهتر از سایر مدل¬ها بود.