استفاده از چهار رکورد اول تولید شیر در شبکه های عصبی مصنوعی برای برآورد کل تولید شیر گاوهای شیری هلشتاین

در این پژوهش از 274025 داده اولیه دو گله پرورشی بین سال های 1395-1378 که شامل رکورد تولید شیر حاصل از 7201 گاو شیری هلشتاین بود جهت پیش بینی کل تولید شیر در یک دوره شیرواری 305 روزه با استفاده از شبکه های عصبی مصنوعی استفاده شد. با ویرایش داده های تولیدی در نهایت 78980 رکورد تولید شیر ماهانه در قالب 8798 ردیف داده به عنوان مخزن نهایی داده ها مورد استفاده قرار گرفت. هر ردیف شامل گله، سن، شکم، رکورد تولید شیر اول تا دهم دام و تولید کل دام در دوره شیرواری 305 روزه برای هر دام بود. از شبکه های عصبی مصنوعی با روش آموزش تحت نظارت با ساختار پرسپترون چند لایه با سه توابع فعالیت تانژانت هایپربولیک آکسون، سیگموئید آکسون، تانژانت هایپربولیک خطی آکسون و سه الگوریتم آموزشی پس انتشار مومنتوم، گرادیان نزولی و لونبرگ مارکوات در هر دو لایه پنهان و خروجی استفاده شد. به عنوان معیارهای عملکرد بهینه شبکه عصبی مصنوعی آماره های ضریب تبیین، مجذور میانگین مربعات خطا و میانگین خطای مطلق مدنظر قرار گرفتند. نتایج نشان داد که شبکه عصبی مصنوعی با ساختارهای طراحی شده در پیش بینی کل تولید دام در یک دوره شیرواری 305 روزه با استفاده از 4 رکورد اول تولید شیر دام موفق عملکرد کرد. به طوری که برای تمامی ساختارهای شبکه ضریب تبیین، مجذور میانگین مربعات خطا و میانگین خطای مطلق در حد مطلوب قرار داشت و به ترتیب در دامنه 0.85-0.8، 991.35-865.868، 787.78-673.83 بودند که در این میان برای ساختار شبکه با الگوریتم لونبرگ مارکوات و تابع فعالیت تانژانت هایپربولیک آکسون؛ ضریب تبیین دارای بیش ترین مقدار و مجذور میانگین مربعات خطا و میانگین خطای مطلق دارای کمترین مقدار بودند. با توجه به نتایج به دست آمده می توان دریافت که شبکه عصبی مصنوعی می تواند با دقت بالایی کل تولید حیوان در دوره شیرواری 305 روزه را جهت مدیریت بهتر گله پیش بینی کند.