تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,091,224 |
تعداد دریافت فایل اصل مقاله | 97,195,165 |
برازش توابع غیرخطی برای توصیف منحنی تولید کوتاه مدت تخم در بلدرچین ژاپنی | ||
تولیدات دامی | ||
مقاله 4، دوره 19، شماره 2، مرداد 1396، صفحه 299-310 اصل مقاله (903.3 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jap.2017.61232 | ||
نویسندگان | ||
راضیه رحیم زاده1؛ محمد رکوعی* 2؛ هادی فرجی آروق3؛ علی مقصودی4؛ بهروز کشته گر5 | ||
1دانش آموخته کارشناسی ارشد دانشگاه زابل، دانشکده کشاورزی، گروه علوم دامی | ||
2دانشگاه زابل، دانشکده کشاورزی، گروه علوم دامی و گروه بیوانفورماتیک | ||
3دانشگاه زابل، پژوهشکده دامهای خاص | ||
4دانشگاه زابل، دانشکده کشاورزی، گروه علوم دامی و پژوهشکده زیست فناوری کشاورزی دانشگاه زابل | ||
5دانشگاه زابل، دانشکده فنی و مهندسی، گروه مهندسی عمران | ||
چکیده | ||
هدف از این تحقیق، برازش بهترین تابع برای منحنی تولید تخم طی 13 هفته بلدرچین ژاپنی بود. بدین منظور، رکوردهای هفتگی و انفرادی تولید تخم 314 بلدرچین ژاپنی برای برازش توابع استفاده شد. توابع لجستیک غیرخطی، گامای ناقص، گامای تصحیح شده، لخورست، ناروشین تاکما دو، جزء به جزء و لجستیک نلدر با نرمافزار R برازش شد. برای انتخاب بهترین تابع از معیارهای میانگین مربعات خطا، معیار آکائیک و معیار اطلاعات بیزی استفاده شد. نتایج نشان داد که تابع ناروشین تاکما دو (کمترین میانگین مربعات خطا، معیار آکائیک و معیار اطلاعات بیزی) و تابع جزء به جزء (بیشترین میانگین مربعات خطا، معیار آکائیک، معیار اطلاعات بیزی) به ترتیب مناسبترین و نامناسبترین تابع برای توصیف منحنی تولید تخم بلدرچینها بودند. بیشترین همبستگی (953/0) بین مقادیر پیشبینی شده تعداد تخم با استفاده از توابع برازش شده و مقدار واقعی مربوط به تابع ناروشین تاکما دو بود. نتایج حاصل از مقایسات توابع و همبستگیهای حاصل نشان میدهد که تابع ناروشین تاکما دو بهتر از سایر توابع مورد مطالعه در این تحقیق، تولید کوتاه مدت تخم بلدرچین ژاپنی را توصیف میکند و از این تابع میتوان برای پیشبینی توان تولید کوتاه مدت بلدرچین ژاپنی استفاده نمود. | ||
کلیدواژهها | ||
بلدرچین؛ بلوغ جنسی؛ تابع ناروشین تاکما؛ تولید تخم؛ لجستیک غیرخطی | ||
مراجع | ||
Anang A and Indrijani H (2000) Mathematical models to describe egg production in laying hens. Available at htttp://pustaka.unpad.ac.id/wp- content/ uploads/2010/06 atical_models_to_describe_egg.pdf. 2. Bindya LA, Murthy HNN, Jayashankar MR and Govindaiah MG (2010) Mathematical models for egg production in an Indian colored broiler dam line. International Journal of Poultry Science 9: 916-919. 3. Fairfull, RW and Gowe, RS (1990) Genetics of egg production in chickens. In: Crawford RD (Eds.), Poultry breeding and genetics. Elsevier Science Publishers, Amsterdam. pp. 705–759. 4. Faridi A, Mottaghitalab M, Rezaee F and Francet J (2011) Narushin- Takma models as flexible alternatives for describing economic traits in broiler breeder flocks. Poultry Science 90: 507 -514. 5. Grossman M, Grossman TN and Koops WJ (2000) A model for persistency of egg production. Poultry Science 79:1715–1724. 6. Leonard T and Hsh JSJ (2001) Bayesian Methods: an analysis for statisticians and interdisciplinary. Cambridge University Press, Cambridge, PP 333. 7. Lokhorst C (1996) Mathematical curves for the description of input and output variables of the daily production process in aviary housing systems for laying hens. Journal of Poultry Science 75:838–848. 8. McMillan I, Fitz-Earle M, Butler L and Robson DS (1970) Quantitative genetics of fertility I. lifetime egg production of Drosophila Melanogaster. Theoretical Genetics 65: 349-353. 9. McNally DH (1971) Mathematical model for poultry egg production. Biometrics 27: 735-738. 10. Minviell F (1998) Genetic and breeding of Japanese quail for production around the world. Proceedings 6th Asian Poultry Congress. 122-127. 11. Naghous M, Hosseini SM, Naeemipour Younesi H, Hasanpour D and Khodaparast D (2014) Study on statistical characteristics of some non-linear functions in fitting egg production curve. Journal of Livestock Research 2 (3): 71-77. (In Persian). 12. Narinc D, Karaman E, Aksoy T and Mehmet ZF (2013) Investigation of nonlinear models to describe long- term egg production in Japanese quail. Poultry Science 92: 1676- 1682. 13. Narushin VG and Takma C (2003) Sigmoid model for the evaluation of growth and production curves in laying hens. Biosystems Engineering 84:343–348. 14. Nelder JA (1961) The fitting of a generalization of the logistic curve. Biometrics 17:89–110. 15. NRC (1994) Nutrient requirements of poultry. 9th Edn. National Academy Press, Washington. 16. Pinheiro J, Bates D, DebRoy S, Sarkar D, Heisterkamp S and Van Willigen B (2016) R Core Team. nlme: linear and nonlinear mixed effects models. R package version 3.1-128. Available at http://CRAN.R-project.org/package= nlme. 17. Reddish JM, Nestor KE and Lilburn MS (2003) Effect of selection for growth on onset of sexual maturity in random bred and growth-selected lines of Japanese quail. Poultry Science 82: 187–191. 18. Sachdev AK and Ahuja SD (1986) Studies on the influence of body weight at sexual maturity on production traits in Japanese quail. Indian Journal of Poultry Science 21: 66–68. 19. Safari Alighiralou A, Vaez Torshizi R and Pakdel A (2013) Mathematical functions to describe the egg production curves in a commercial broiler dam line. Iranian Journal of Animal Science 43 (4): 502- 512. (In Persian). 20. Shiv P and Singh DP (2009) Nonlinear models for poultry egg production. Indian Journal of Animal Research 43 (2): 84-88. 21. Spiess AN and Neumeyer N (2010) An evaluation of R2 as an inadequate measure for nonlinear models in pharmacological and biochemical research: a Monte Carlo approach. BMC Pharmacology 10 (1): 6. 22. Thomas PC and Ahuja SD (1988) Improvement of broiler quails of CARI through selective breeding. Poultry Guide 25: 45–47. 23. Tunsaringkarn T, Tungjaroenchai W and Siriwong W (2013) Nutrient benefits of quail (Coturnix coturnix japonica) eggs. International Journal of Scientific and Research Publications 3(5): 1-8. 24. Wit E, Heuvel EVD and Romeijn JW (2012) ‘All models are wrong...’: an introduction to model uncertainty. Statistica Neerlandica 66(3): 217-236. 25. Wolc AT, Wardowska M and Szwacskowski T (2004) Predicting ability of the Mathematical models describing egg production curves. 22nd world’s poultry congress, Istanbul, Turkey. 143. 26. Wood PDP (1967) Algebratic model of the lactation curve in cattle. Nature 216: 164-165. 27. Yang N, Wu C and McMillan I (1989) New mathematical model of poultry egg production. Poultry Science 68: 476-481. | ||
آمار تعداد مشاهده مقاله: 937 تعداد دریافت فایل اصل مقاله: 342 |