使用机器学习方法预测Pelibuey羊的干物质摄入量
Enrique Camacho-Perez1, Cem Tirink2, Ricardo Garcia-Herrera3
1Facultad de Ingeniería. Universidad Autónoma de Yucatán, Av. Industrias No Contaminantes s/n, Mérida, Yucatán, Mexico.
Heliyon
|February 5, 2025
概括
机器学习准确地预测了培养Pelibuey羊的干物质摄入量 (DMI). 多变量自适应回归 (MARS) 算法显示出高可靠性,为动物营养管理提供了有价值的工具.
科学领域:
- 动物科学动物科学
- 机器学习 机器学习
- 农业工程 农业工程
背景情况:
- 准确预测干物质摄入量 (DMI) 对于优化生长牲畜的营养至关重要.
- 在热带地区,佩利布伊羊的产量很大,需要有效的管理策略.
研究的目的:
- 开发和评估机器学习模型,用于预测正在生长的雄性Pelibuey羊的DMI.
- 为了比较多变量自适应回归线 (MARS),分类和回归树 (CART) 和支持向量回归 (SVR) 算法的预测性能.
主要方法:
- 在热带条件下收集了130只Pelibuey羊 (平均体重23±6公斤) 的数据.
- 关键变量包括饮食度 (CON),初始和最终体重 (IBW,FBW),平均代谢体重 (MBW),平均每日增量 (ADG),原蛋白 (CP) 和中性洗剂纤维 (NDF).
- 使用MARS,CART和SVR算法来构建DMI的预测模型.
主要成果:
- 在MARS算法实现的确定系数超过0.90.
- 这三种机器学习方法都用于开发DMI.MI的预测算法.
- 马尔斯被证明是一个非常可靠的模型来预测DMI在这个羊品种.
结论:
- 马尔斯算法是一种强大而可靠的工具,用于预测培养Pelibuey羊的干物质摄入量.
- 机器学习方法,特别是MARS,为绵羊养殖中的营养管理提供了有效的解决方案.
- 这项研究提供了一种经过验证的方法,用于提高Pelibuey绵羊生产中的精确养策略.
