|
شنبه ۲ مرداد ۱۳۸۹ ساعت ۱۲:۵۶
کد مطلب : 1665
ارزیابی و مدلسازی اثرات برخی عوامل تغذیه¬ای بر شاخص عملکرد جوجه های گوشتی
|
شبکه های عصبی مصنوعی از نوع GMDH برای پیش بینی شاخص عملکرد جوجه های گوشتی به عنوان متغیر وابسته (خروجی ) ،...
شبکه های عصبی مصنوعی از نوع GMDH برای پیش بینی شاخص عملکرد جوجه های گوشتی به عنوان متغیر وابسته (خروجی ) ، بر پایه هفت فاکتور شامل سطح پروتئین خام ، انرژی قابل متابولیسم ، نسبت انرژی به پروتئین ، متیونین ، لایزین ، نسبت انرژی به متیونین و نسبت انرژی به لایزین به عنوان متغیر مستقل (ورودی ها) ، با بهره گرفتن از داده های مربوط به 52 دوره در 10 واحد پرورش جوجه گوشتی در سه سن (21-0، 21-42، 42- پایان دوره )، مورد استفاده قرار گرفت. در این راه الگوریتم ژنتیک برای دو منظور بکار گرفته شد. نخست به عنوان روشی نوین در بدست آوردن ساختار بهینه سازی معادلات چند جمله ای شاخص عملکرد بر اساس ورودی های تحت بررسی . از روش تجزیه مقادیر منفرد برای بدست آوردن ضرایب معادلات چند جمله ای استفاده گردید. پس از آموزش شبکه با توجه به ساختار شبکه ، معادلات چند جمله ای مربوط به ارتباط کمی فاکتورهای ورودی و شاخص عملکرد به صورت ترکیب معادلات درجه دوم و یافتن معادله نهایی برای شاخص عملکرد ، بدست آمد. برای بررسی توانایی
پیش بینی شبکه های عصبی ، داده های آزمایشی به دو گروه آموزش دهنده و آزمون کننده شبکه تقسیم و مقادیر ضریب تعیین (R2) میانگین توان دوم خطا(MSE) ، میانگین مطلق درصد خطا (MAPE) و با یاس مربوط به مدل و آزمون محاسبه گردید. نتایج بدست آمده نشان داد که مدلسازی شاخص عملکرد با استفاده از شبکه های عصبی تکامل یافته از نوع GMDHبصورت مطلوب و خطای کم در پیش بینی قابل انجام است. الگوریتم ژنتیک نیز برای طراحی ساختار بهینه شبکه های عصبی بسیار موفقیت آمیز عمل نموده و موجب رسیدن به پاسخ های مطلوب گردید. نتایج بهینه سازی توسط الگوریتم ژنتیک برای بیان مقادیر بهینه عوامل تغذیه ای به هدف دست یابی به بالاترین عملکرد در مقایسه با پیشنهادهای چندپژوهش پیشین مطلوب بوده و نشان میدهد که این روش بهینه سازی میتواند برای پیداکردن وضعیت بهینه ورودیها (عوامل تغذیه ای ) و خرجی (PI) مورد استفاده قرار گیرد.