对经典生长模型和人工神经网络进行比较分析,用于预测三种商业肉母群的卵产参数
Zahra Moradi Gharajeh1, Hassan Darmani Kuhi1, Navid Ghavi Hossein-Zadeh1
1Department of Animal Science, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran.
Poultry science
|January 13, 2026
概括
人工神经网络 (ANN) 在预测家禽蛋产量的传统模型中表现明显优于传统模型. 虽然摩根等经典模型对于累积数据是准确的,但ANN为每周和整体预测提供了更高的精度,提高了群体管理.
科学领域:
- 农业科学 农业科学
- 计算生物学 计算生物学
- 动物科学动物科学
背景情况:
- 有效的家禽管理依赖于准确的生产预测.
- 传统的增长模型被使用,但计算进步提供了新的解决方案.
研究的目的:
- 为了比较经典生长模型和人工神经网络 (ANN) 对家禽生产指标的预测准确度.
- 为了评估三个商业肉母群的模型:罗斯,阿伯和科布.
主要方法:
- 评估的古典模型: 马,隔间,物流,曲线的戈珀茨,理查兹和摩根.
- 实施了一种多层前人工神经网络 (ANN).
- 使用RMSE,AIC和BIC.评估了每周和累计生产指标.
主要成果:
- 摩根模型在累积数据中最准确;物流-曲线模型在每周数据中表现出色.
- 在所有标准上,ANN显著优于最好的传统模型 (Logistic curvilinear和Morgan).
- 在每周和累计指标上,ANN表现出卓越的预测性能.
结论:
- 经典的生长模型对于累积家禽产量预测仍然很有价值.
- 人工神经网络代表了精确预测卵产量的重大进步.
- 将经典模型与ANN集成,可以提高家禽管理,生产力和可持续性.
