مقایسه توان پیش‌بینی شبکه‌ عصبی مصنوعی و رگرسیون خطی چندگانه جهت پیش‌بینی وزن یک‌سالگی بزهای نژاد رائینی

Abstract

به منظور مقایسه دو روش شبکه‌های عصبی مصنوعی و رگرسیون خطی چندگانه جهت پیش‌بینی وزن یک‌سالگی بزهای نژاد رائینی از رکورد 736 راس بز نژاد رائینی استفاده شد. اثرات و متغیرهای مورد بررسی موثر بر صفت افزایش وزن این دام شامل؛ جنس دام، تیپ تولد، گله، فصل تولد، سال تولد و صفات مربوط به وزن تولد، سه ماهگی، شش ماهگی و نه ماهگی بودند. به منظور پردازش داده‌ها با استفاده از شبکه‌های عصبی مصنوعی، 3 مدل شبکه‌ی پرسپترون چند لایه هر کدام با تعداد و نوع ورودی متفاوت ایجاد و استفاده شد. مدل‌سازی داده‌ها با استفاده از نرم‌افزار شبکه‌های عصبی STATISTICA 10 انجام شد. داده‌ها در مدل رگرسیونی چندگانه با استفاده از نرم‌افزار SAS 9.1.3 با روش رگرسیون گام به گام (stepwise) آنالیز شدند و مدل مناسب با توجه به ضریب تبیین، حداقل میانگین مربعات خطا و بایاس انتخاب شد. نتایج این پژوهش نشان داد که شبکه‌های عصبی مصنوعی دارای دقت و صحت بالاتری نسبت به روش‌های رگرسیونی برای پیش‌بینی وزن یک‌سالگی این دام‌ها می‌باشند. بطوریکه میزان R² در شبکه‌های ساخته شده‌ی 1 تا 3 به ترتیب برابر با 998/0، 998/0 و 997/0 و میزان RMSE به ترتیب برابر با 96/0، 97/0 و 22/1 بود.