دسته بندی نوع زایش با استفاده از شبکه های عصبی مصنوعی

داده کاوی و مدلسازی های کامپیوتری یکی از روش های مهم برای رسیدن به بیشترین توانایی در تولید و تصمیم گیری برای آینده اقتصادی صنعت گاوداری های شیری به شمار می رود. به منظور سودآوری بیشتر حاصل از پرورش گاوهای شیری باید صفات تولیدمثلی مانند سختزایی مورد توجه قرار گیرد. زیرا صفات تولید مثلی از مهمترین پارامترهای تعیین بازده و کارایی گاوهای شیری محسوب میشود. از طرفی با تمرکز بر روی این صفات، تولید در نسل های بعدی بهبود یافته و با اعمال روش های مختلف هوش مصنوعی مدیران صنعت گاو شیری میتوانند راحت تر نسبت به این گونه صفات پیچیده تصمیم گیری لازم را اتخاذ کنند. هدف از این پژوهش دسته بندی و پیش بینی صفت نوع زایش در گاوهای شیری هلشتاین با استفاده از روش های مختلف شبکه عصبی مصنوعی است. در این پژوهش از 715 رکورد تولیدمثلی مربوط به یک گاوداری در استان اصفهان استفاده شد. برای تعیین عملکرد بین شبکه های عصبی مختلف از ضریب همبستگی، معیار بازخوانی، میزان دقت و معیار F استفاده شده است. روش های انتخاب ویژگی نشان دادند که متغیرهای مهم در شناسایی صفت سخت زایی، مقدار شیر تولیدی در هنگام اوج شیردهی، تعداد زایش، جنس گوساله متولد شده، نوع تولد، سن مادر هنگام زایش، طول دوره آبستنی، سال و فصل زایش، فاصله زایش های متوالی، شیر تصحیح شده بر اساس 4% چربی، نسبت چربی به پروتیین، وزن گوساله، روزهای باز میباشند که مهمترین آنها صفت مقدار شیر تولیدی در هنگام اوج شیردهی میباشد. نتایج این مطالعه نشان داد که شبکه عصبی مصنوعی تک لایه توانایی خوبی برای شناسایی صفت سخت زایی به شمار میرود که میتواند توسط مدیران صنعت گاو شیری به کار گرفته شود

کلیدواژه ها:

داده کاوی ، دسته بندی ، شبکه عصبی مصنوعی ، نوع زایش