بخشی از مقاله
چکیده
موضوع تحقیق حاضر پیش بینی تولید تخم مرغ با استفاده از شبکه عصبی مصنوعی - ANN - 1 است. یک مدل شبکه عصبی مصنوعی با دو لایه پنهان و با الگوریتم 2BP آزمایش شد که به طور موفقیت آمیزي توانست ارتباط بین متغییرهاي ورودي و خروجی را بدست آورد. ارزش R2 و T بالا براي مدل شبکه عصبی مصنوعی به کار رفته در این تحقیق، قدرت این روش را براي پیش بینی تولید تخم مرغ براي گله پولت و گله مرغ آشکار می کند. همچنین پارامترهاي شبکه عصبی مصنوعی براي تعداد تخم مرغ براي 4 قطعه مرغ نیز تخمین زده شد. موقعیکه فواصل جمع آوري تخم مرغها در این 4 قطعه مرغ از 1 هفته به 6 هفته افزایش یافت، قدرت شبکه عصبی مصنوعی هم براي پیش بینی تولید تخم مرغ افزایش نشان داد.
مقدمه
منحنی تولید تخم مرغ در یک گله تخمگذار در طول 8 یا 9 هفته اول به سرعت افزایش می یابد و سپس با یک نرخ ثابت تا پایان دوره تولید کاهش می یابد . - North and Bell, 1990 - منحنی تولید تخم مرغ براي یک مرغ به تنهایی در طول 2 هفته اول به سرعت افزایش می یابد و سپس با یک نرخ ثابت تا مدتی ادامه می یابد و سپس به آهستگی کاهش می یابد - North and Bell, . - 1990 مدلهاي ریاضی زیادي براي توضیح منحنی هاي تولید تخم مرغ براي یک گله یا براي یک مرغ مورد استفاده قرار گرفته!اند که Grossman و همکاران - 2000 - روشهاي جدیدي را براي بدست آوردن منحنی تولید تخم مرغ ارائه داده!اند.
شبکه هاي عصبی مصنوعی، ابزاري قدرتمندتر از روشهاي آماري کلاسیک هستند. شبکه هاي عصبی مصنوعی در زمینه هاي مختلفی از علوم به کار برده شده اند. البته در برخی از علوم کمتر مورد توجه قرار گرفته است که علوم دامی یکی از این علوم می باشد - Fernandez و همکاران، . - 2006 بررسی هاي انجام شده در این تحقیق، توانایی شبکه هاي عصبی مصنوعی را در حل مشکلات علوم دامی نشان می!دهد. هدف از این تحقیق ، ارزیابی قابلیت شبکه عصبی مصنوعی در پیش بینی منحنی تولید تخم مرغ با استفاده از داده هاي مربوط به دو گله پولت و مرغ و همچنین در 4 قطعه مرغ می باشد.
مواد و روشها
در این تحقیق، شش سري داده مورد استفاده قرار گرفت. دو سري داده از گله ها - گله پولت و گله مرغ - و 4 سري داده از 4 قطعه مرغ بدست آمد. درصد تولید تخم مرغ در سیکل اول تولید براي گله پولت - cason, 1990 - و در سیکل دوم تولید براي گله مرغ - cason, 1991 - به طور هفتگی گزارش شد. براي 4 قطعه مرغ ، داده ها بوسیله W. M. Muir - 1999 - گزارش شد. تولید مرغها در سنین بین 14 و 19 هفتگی شروع شد.
تخم مرغها به طور روزانه جمع آوري شدند و تعداد تخم مرغها به طور هفتگی براي هر مرغ به مدت 52 هفته از شروع تولید گزارش شدند. ممکن است در عمل جمع آوري تولید تخم مرغ به طور هفتگی مشکل باشد، بنابراین فواصل1، 2، 4 و 6 هفته هم مورد ارزیابی قرار گرفت - . - W. M. Muir, 1999 قبل از استفاده از شبکه عصبی مصنوعی براي منحنی تولید تخم مرغ، داده هاي ورودي و خروجی با توجه به مقادیر حداقل و حداکثر بین 0] و [1 نرمالیزه شدند سپس هر سري از داده ها به دو قسمت تقسیم شدند که شامل داده هاي آموزش شبکه - %75 - و داده هاي تست شبکه - %25 - می باشد.
پارامترهاي شبکه عصبی مصنوعی شامل تعداد نورون در هر لایه ، تعداد تکرار، سرعت آموزش و مومنتم است که تا حد زیادي عملکرد شبکه عصبی مصنوعی را تحت تاثیر قرار می دهد. سه پارامتر آماري RMSE، ارزشT و R2 مورد استفاده قرار گرفت تا دقت شبکه عصبی مصنوعی را براي داده هاي خروجی - تولید تخم مرغ - ارزیابی کنند.
نتایج و بحث
خطاي آزمایش با مدلهاي مختلف شبکه براي گله پولت و گله مرغ و 4 قطعه مرغ براي صفت تولید تخم مرغ در جدول 1 و 2 نشان داده شده است. ساختارهاي شبکه عصبی مصنوعی ذکر شده در جداول 1 و 2 براي گله پولت و مرغ و 4 قطعه مرغ داراي کمترین RMSE در میان تمام ساختارهاي شبکه عصبی مصنوعی مورد بررسی می باشند. فاز آموزش داراي 150000 تکرار بود.
مومنتم شبکه 0,4 و سرعت آموزش 0,3 بود. مدل مورد استفاده جهت آموزش شبکه مدل دلتا3بود و در ضمن از تابع انتقال TanH استفاده شد. همانطور که در جدول 1 مشاهده می کنید شبکه ناظر توانست تولید تخم مرغ براي گله پولت را با RMSE test برابر R2 ,0,0067 برابر 0,998 و ارزش T برابر0,998 پیش بینی کند. همچنین شبکه عصبی توانست تولید تخم مرغ را براي گله مرغ با RMSE test برابر R2 ,0,015 برابر 0,941 و ارزش T برابر0,923 پیش بینی نماید.
این نتایج نشان می دهد که شبکه عصبی مصنوعی توانایی زیادي جهت پیش بینی درصد هفتگی تولید تخم مرغ در بین گله هاي پولت و مرغ دارد. در مورد 4 قطعه مرغ همانطورکه در جدول 2 مشاهده می کنید هر چقدر فواصل نمونه گیري تخم مرغ از 1 به 6 هفته افزایش یابد ، توانایی شبکه عصبی در پیش بینی تولید تخم مرغ افزایش می!یابد بطوریکه RMSE test در فواصل نمونه گیري 6 هفته برابر 0,018و R2 برابر 0,903 می باشد که این مقادیر نسبت به فواصل نمونه گیري 1 ، 2 و 4 هفته بهتر می باشد ، البته ارزش T براي فواصل نمونه گیري 4 هفته بهتر از فواصل نمونه گیري 6 هفته برآورد شد ولی با توجه به اهمیت بیشتر RMSE test و R2 نسبت به T ، ما می توانیم در فواصل طولانی تري - 6 هفته - نمونه گیري را انجام دهیم.
Fernandez و همکاران - 2006 - نشان دادند که شبکه عصبی مصنوعی ابزاري قدرتمند براي سیستم مدلینگ می باشد ، آنها پیش بینی تولید شیر هفتگی گله هاي بز را با استفاده از شبکه عصبی مصنوعی انجام دادند و به این نتیجه رسیدند که شبکه عصبی مصنوعی در کاربردهاي علوم دامی بسیار موثر می باشد . Salle و همکاران - 2003 - از شبکه هاي عصبی مصنوعی براي تخمین عملکرد در تولید پرنده هاي گله جنوب برزیل استفاده کردند. بنابراین تکنیک شبکه عصبی مصنوعی به عنوان ابزار قدرتمند براي تخمین و پیش بینی عملکرد در دامها از جمله تولید تخم مرغ می باشد.
