کاربرد یادگیری ماشین در پیشبینی مصرف خوراک و نرخ رشد دام
اطلاعات این مقاله توسط دبیرخانه ثبت شده است و نویسندگان میتوانند اصلاحات احتمالی را به دبیرخانه اعلام کنند.
این مقاله بهصورت کامل در مجموعه مقالات کنفرانس پذیرفته و منتشر شده است. در این صفحه فقط چکیده و اطلاعات کتابشناختی آن ارائه میشود.
چکیده فارسی
افزایش هزینههای خوراک و ضرورت بهبود بهرهوری در دامپروری، استفاده از روشهای نوین تحلیل داده را به یک نیاز اساسی تبدیل کرده است. هدف این پژوهش بررسی کاربرد الگوریتمهای یادگیری ماشین در پیشبینی مصرف خوراک و نرخ رشد دام با استفاده از دادههای تغذیهای و عملکردی است. در این مطالعه، مجموعهای از دادههای واقعی و شبیهسازیشده شامل مصرف ماده خشک، انرژی قابل متابولیسم جیره، وزن اولیه دام و افزایش وزن روزانه مورد استفاده قرار گرفت. مدلهای رگرسیون خطی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و جنگل تصادفی برای پیشبینی متغیرهای هدف توسعه داده شدند. نتایج نشان داد که مدلهای غیرخطی عملکرد بهتری نسبت به روشهای کلاسیک دارند و در این میان، الگوریتم جنگل تصادفی با بالاترین ضریب تعیین و کمترین خطای پیشبینی، دقیقترین نتایج را ارائه داد. تحلیل اهمیت متغیرها بیانگر نقش کلیدی مصرف خوراک و انرژی جیره در تعیین نرخ رشد دام بود. یافتههای این پژوهش نشان میدهد که یادگیری ماشین میتواند بهعنوان ابزاری کارآمد در بهینهسازی مدیریت تغذیه، کاهش هزینهها و توسعه دامپروری دقیق مورد استفاده قرار گیرد.
کلیدواژهها: یادگیری ماشین، مصرف خوراک، نرخ رشد دام، دامپروری دقیق، مدلسازی دادهمحور
استناد به این مقاله
رفرنس به مقاله کامل منتشرشده در مجموعه مقالات کنفرانس اشاره دارد، نه فقط چکیده نمایشدادهشده در این صفحه.