سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,095,920
تعداد دریافت فایل اصل مقاله97,202,620
میردریکوندی, مریم, مسعودی, عباس, آذرفر, آرش, کیانی, علی. (1394). مقایسة مدل ریاضی گمپرتز و شبکة عصبی مصنوعی جهت تخمین فراسنجه‌های رشد جوجه‌های گوشتی دریافت‌کنندة عصارة کنگرفرنگی از طریق آب آشامیدنی. , 46(1), 9-16. doi: 10.22059/ijas.2015.54586
مریم میردریکوندی; عباس مسعودی; آرش آذرفر; علی کیانی. "مقایسة مدل ریاضی گمپرتز و شبکة عصبی مصنوعی جهت تخمین فراسنجه‌های رشد جوجه‌های گوشتی دریافت‌کنندة عصارة کنگرفرنگی از طریق آب آشامیدنی". , 46, 1, 1394, 9-16. doi: 10.22059/ijas.2015.54586
میردریکوندی, مریم, مسعودی, عباس, آذرفر, آرش, کیانی, علی. (1394). 'مقایسة مدل ریاضی گمپرتز و شبکة عصبی مصنوعی جهت تخمین فراسنجه‌های رشد جوجه‌های گوشتی دریافت‌کنندة عصارة کنگرفرنگی از طریق آب آشامیدنی', , 46(1), pp. 9-16. doi: 10.22059/ijas.2015.54586
میردریکوندی, مریم, مسعودی, عباس, آذرفر, آرش, کیانی, علی. مقایسة مدل ریاضی گمپرتز و شبکة عصبی مصنوعی جهت تخمین فراسنجه‌های رشد جوجه‌های گوشتی دریافت‌کنندة عصارة کنگرفرنگی از طریق آب آشامیدنی. , 1394; 46(1): 9-16. doi: 10.22059/ijas.2015.54586

مقایسة مدل ریاضی گمپرتز و شبکة عصبی مصنوعی جهت تخمین فراسنجه‌های رشد جوجه‌های گوشتی دریافت‌کنندة عصارة کنگرفرنگی از طریق آب آشامیدنی

علوم دامی ایران
مقاله 3، دوره 46، شماره 1، فروردین 1394، صفحه 9-16    اصل مقاله (457.78 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijas.2015.54586
نویسندگان
مریم میردریکوندی1؛ عباس مسعودی2؛ آرش آذرفر* 3؛ علی کیانی4
1دانش‌آموختة کارشناسی ارشد، گروه علوم دامی، دانشکدة کشاورزی، دانشگاه لرستان
2دانشجوی دکتری تغذیة دام، گروه علوم دامی، دانشکدة کشاورزی، دانشگاه لرستان
3دانشیار، گروه علوم دامی، دانشکدة کشاورزی، دانشگاه لرستان
4استادیار، گروه علوم دامی، دانشکدة کشاورزی، دانشگاه لرستان
چکیده
 این آزمایش به منظور تعیین اثر مصرف سطوح مختلف عصارة کنگرفرنگی از طریق آب آشامیدنی بر فراسنجه‌های رشد جوجه‌های گوشتی برآوردشده توسط مدل ریاضی گمپرتز و مقایسة توان پیش‌بینی آن با شبکة عصبی مصنوعی انجام گرفت. به این منظور از 250 قطعه جوجة گوشتی سویة رأس 308 استفاده شد. تیمارهای آزمایشی شامل تیمار شاهد (آب فاقد عصارة کنگرفرنگی) و تیمارهای حاوی 100، 200، 300 و 500 میلی‌گرم عصارة کنگرفرنگی در هر لیتر آب آشامیدنی بود. در روزهای 1، 2، 7، 14، 21، 24، 27، 30، 33، 35 و 42 پرورش، جوجه‌ها بعد از 3 ساعت گرسنگی وزن‌کشی شدند. بیشترین وزن زندة بلوغ به گروه شاهد مربوط بود و کمترین آن در جوجه‌هایی مشاهده شد که آب آشامیدنی آن‌ها حاوی 200 میلی‌گرم عصارة کنگرفرنگی (آرتیشو) در هر لیتر بود. ضریب رشد نسبی در جوجه‌های دریافت‌کنندة 200 میلی‌گرم عصارة آرتیشو به‌طور معناداری بیشتر از جوجه‌های گروه شاهد و جوجه‌های دریافت‌کنندة 300 میلی‌گرم عصارة آرتیشو بود (05/0>P). نتایج مقایسة شاخص‌های توان پیش‌بینی مدل‌ها نشان داد که مدل شبکة عصبی مصنوعی با داشتن ضریب تبیین 9998/0 در مقایسه با ضریب تبیین 9977/0 مدل غیرخطی گمپرتز، برآورد نزدیک‌تری از وزن جوجه‌های گوشتی در پایان دورة پرورش داشت. شبکة عصبی مصنوعی با داشتن میانگین مربعات خطا، میانگین انحراف مطلق، میانگین درصد خطای مطلق و اریبی کمتر در مقایسه با مدل غیرخطی گمپرتز، برآورد بهتری از وزن جوجه‌های گوشتی در 42 روزگی ارائه کرد.
کلیدواژه‌ها
جوجة گوشتی؛ شبکة عصبی مصنوعی؛ عصارة کنگرفرنگی؛ مدل گمپرتز؛ منحنی رشد
مراجع
  1. Abdo, Z. M. A., Radwan, N.L. & NessrinSelim, A. )2007(. The Effect of Artichoke leaves meal on the utilization of dietary energy for broiler chicks. Journal of Poultry Science, 6 (12), 973-982.
  2. Amiri, S., Montazer Torbati, M. B., Khasheai Siuky, A. & Arshi, E. (2014). Comparison of multivariable regression and artificial neural network in predicting weight trout using morphometric data. In: 6th Iranian National Iranian Congress on Animal Science, 27-28 Aug. Tabriz University, Tabriz, Iran, pp.476.
  3. Darmani, K.H., Kebreab, E., Lopez, S. & France, J. (2003). An evaluation of different growth functions for describing the profile of live weight with time (age) in meat and egg strains of chicken. Journal of Poultry Science, 82(10), 1536-1543.
  4. Ebrahimpour, R., Nikoo, H., Masoudnia, S., Yousefi, M.R. & Ghaemi, M.S. (2011). Mixture of MLP-experts for trend forecasting of time series: A case study of the Tehran stock exchange. International Journal of Forecasting, 27(3), 804-816.
  5. Fritsche, J. & Beindorff, C.M. (2002). Isolation, characterization and determination of minor Artichoke (Cynara scolymus L.) leaf extract compounds. European Journal ofFood Research and Technology, 215, 149-157.
  6. Goliomytis, M., Panopoulou, E. & Rogdakis, E. (2003). Growth Curves for Body Weight and Major Component Parts, Feed Consumption, and Mortality of Male Broiler Chickens Raised to Maturity. Journal of Poultry Science,81, 932-938.
  7. Lopez, S. (2008). Non-linear functions in animal nutrition. In France J, Kebreab E (eds) Mathematical modelling in animal nutrition, CABI, USA. pp. 47-88.
  8. Nikkhah, M., Motaghitalab, M. & Zavare, M. (2008). Comparison of Hyperbolastic Models with classic models for describing broiler chicken growth curves. Iranian Animal Science Journal, 40(4), 71-78. (In Farsi).
  9. Rahimi, S., Teymorizadeh, Z., Torshizi, K., Omidbaigi, R. & Rokni, H. (2011). Effetct os three herbal extract on growth, performance, immune system, blood factors and intestinal selected bacterial population in broiler chickens. Journal of Agricultural Science and Thechnology, 13, 537-539.
  10. Rezvanejad, A. & Amozegar, M. (2014). Comparison non-linear regression models with artificial neural networks to determine the growth curve in Japanese quail. In: 6th Iranian National Iranian Congress on Animal Science, 27-28 Aug. Tabriz University, Tabriz, Iran, pp.463.
  11. Roush, W.B. & Branton, S.L. (2005). A Comparison of fitting growth models with a genetic algorithm and nonlinear regression. Journal of Poultry Science, 84, 494-502.
  12. Roush, W.B., Dozier, W.A. & Branton, S.L. (2006). Comparison of Gompertz and neutral network models of broiler growth. Journal of Poultry Science, 85, 794-797.
  13. SAS Institute Inc. (2003). SAS/STAT User’s Guide Version 9. SAS Institute Inc., Cary, NC.
  14. Tzeng, R.Y. & Becker, W.A. (1981). Growth patterns of body and abdominal fat weights in male broiler chickens. Poultry Science, 60, 1101-1106.
  15. Wilson, B.J. (1977). Growth curves: Their analysis and use. Pages 89–115 in Growth and Poultry Meat Production. K. N. Boorman and B. J. Wilson, ed. British Poultry Science Ltd. Edinburgh.
  16. Windisch, W., Schedle, K., Plitzner, C. & Kroismayr, A. (2008). Use of photogenic products as feed additives for swine and poultry. Journal of Animal Science, 86, 140-146.
  17. Yee, D., Prior, M.G. & Florence, L.Z. (1993). Development of predictive models of laboratory animal growth using artificial neural networks. Computer Applications in the Biosciences, 9, 517-522.
  18. Ziai, S.A., Dastpak, A., NaghdiBadi, H., Poorhoseini, L., Hemati, A.R. & GharaviNaene, M. (2003). Review on Cynara scolymus L. Journal of Medicinal Plants, 4 (13), 1-13. (In Farsi).
آمار
تعداد مشاهده مقاله: 1,884
تعداد دریافت فایل اصل مقاله: 936


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب