养神经网络的跨代验证,用于预测乳牛的奶产
Carlotta Ferrari1, Chiara Punturiero1, Andrea Delledonne1
1Department of Veterinary Medicine and Animal Sciences, University of Milan, 26900 Lodi, Italy.
Animals : an open access journal from MDPI
|March 14, 2026
概括
这项研究验证了Feedforward神经网络 (FFNN) 用于预测荷尔斯坦牛的奶产. 该模型证明了代际稳定性,使用关键奶牛数据准确预测每日牛奶产量.
科学领域:
- 精准畜牧业是精准的畜牧业.
- 机器学习在动物科学中的应用.
- 乳牛养殖和遗传学 乳牛养殖和遗传学
背景情况:
- 数据驱动的方法越来越多地用于牛奶产量预测.
- 在预测奶牛表现方面,Feedforward神经网络 (FFNN) 是有前途的.
- 跨代验证对于强大的预测模型至关重要.
研究的目的:
- 为了验证先前开发的FFNN模型用于预测荷尔斯坦牛的牛奶产量.
- 评估模型在第一夫妻女儿的预测性能.
- 评估基于FFNN的牛奶产量预测的世代稳定性.
主要方法:
- 使用基因组繁殖值,平价,牛奶中的天数,分娩月份和年龄作为预测指标.
- 在228个哺乳曲线 (67,010次每日观察) 上使用了火车交叉验证的测试框架.
- 通过模拟分娩月份和年龄的变化进行了敏感性分析.
主要成果:
- 在测试组中,每天的根平均平方误差 (RMSE) 为5.98公斤/天,Pearson相关性为0.64.
- 敏感性分析表明,随着较晚的分娩年龄,预测的牛奶产量更高.
- 该FFNN模型在预测牛奶产量方面表现出了代际稳定性.
结论:
- 该FFNN模型为奶牛提供可靠的奶产预测.
- 代代验证证实了FFNN在研究群体的牛奶产量预测方面的实用性.
- 实际应用需要将预测与经济和生殖因素相结合,以获得最佳的管理决策.
