عوامل موثر بر ماندگاری گاوهای شیری هلشتاین: یک رویکرد داده کاوی

هدف: این پژوهش، به دنبال شناسایی و تجزیه و تحلیل سیستماتیک عوامل کلیدی موثر بر ماندگاری گاوهای شیری هلشتاین در گله ، با استفاده از الگوریتم های پیشرفته داده کاوی است. درک و پیش بینی ماندگاری حیاتی است، زیرا به طور مستقیم بر بهره وری و سودآوری گاوداریهای شیری تاثیر می گذارد. گاوهای با طول عمر بیش تر، تمایل به تولید گوساله های بیش تر و تولید شیر بیش تر داشته و در نتیجه بهره وری اقتصادی کلی دامداری را افزایش می دهند. علاوه بر این، طول عمر بیش تر با کاهش هزینه های جایگزینی مرتبط است. مواد و روش ها: در سال های اخیر، ادغام تکنیک های یادگیری ماشین در مدیریت کشاورزی و دامداری شتاب قابل توجهی یافته است. این مطالعه از داده های فنوتیپی دقیق جمع آوری شده از ۳۷۰۰۹ حیوان دختر متعلق به ۶۶۴ پدر در ۸۲ گله مجزا استفاده می کند که نشان دهنده یک مجموعه داده جامع است که یک دهه را دربرمی گیرد. داده ها شامل هشت رکورد تولید شیر، در کنار سایر متغیرهای مرتبط مانند سن دام، تعداد پدر، ماندگاری به ماه، تعداد سلول های سوماتیک، روزهای شیردهی، تولید شیر (کیلوگرم)، میزان پروتئین و چربی، طول چرخه زایش، دفعات شیردوشی، موقعیت جغرافیایی (استان)، تاریخ تولد، تاریخ زایش، فاصله زایش، کد گله و سن در اولین زایش است. مرحله آماده سازی داده ها شامل پردازش و سازماندهی مجموعه داده ها با استفاده از اکسل ۲۰۱۶ بود که کیفیت و سازگاری داده ها را تامین  نمود. تجزیه و تحلیل های بعدی داده ها با استفاده از نرم افزارR  (نسخه ۴.۳.۳) و با استفاده از بسته های تخصصی مربوطه برای یادگیری ماشین و مدل سازی آماری انجام شد. نتایج: نتایج نشان داد که ماشین بردار پشتیبان بهترین دقت (۹۸۷/۰) را دارد. جنگل تصادفی دومین الگوریتم کارآمد بود. دقت ماشین تقویت گرادیان کمی کم تر از جنگل تصادفی بود، اما همچنان عملکرد خوبی را نشان داد. درخت تصمیم کم ترین دقت را در بین این الگوریتم ها ارائه داد. درخت تصمیم و ماشین بردار پشتیبان این عملکرد را با متغیرهای ورودی کم تری در مقایسه با ماشین تقویت گرادیان و جنگل تصادفی به دست آوردند. نتیجه گیری: نتایج نشان داد که هیچ یک از الگوریتم های مورداستفاده برای طبقه بندی بقا، با وجود دقت قابل قبول، عاری از خطا نیستند، اما از سوی دیگر، نشان داده شد که درخت تصمیم ساده تر و کم هزینه تر است. مهم ترین ویژگی های این روش ها، عدم نیاز به فرضیات و الزامات آماری موردنیاز روش های رگرسیون خطی و درون یابی، عدم نیاز به فرضیات نرمال بودن، مقاوم بودن در برابر مقادیر و مقادیر گمشده و توانایی تشخیص روابط غیرخطی پیچیده بین متغیرها و اهداف پیش بینی است که آن ها را برای کاربردهای مختلف در صنعت دامپروری مناسب می سازد. پروتکل های دقیق ثبت داده ها و هم چنین تنظیمات دقیق الگوریتم برای پیش بینی دقیق ضروری هستند.

کلیدواژه ها:

ماندگاری ، طول عمر گاوهای شیری ، ویژگی های تولیدمثلی ، یادگیری ماشینی ، الگوریتم های طبقه بندی