پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی صفات لاشه از اندازه های بدن با استفاده از روش های رگرسیون خطی و شبکه ی عصبی مصنوعی در گوسفند لری بختیاری :

تعداد صفحات : ۲۶

سابقه و هدف: در این پژوهش ارتباط بین وزن زنده هنگام کشتار گوسفند لریبختیاری با خصوصیات لاشه (وزن لاشه ی گرم، وزن لاشه ی سرد، وزن نیم لاشهی سرد، وزن گوشت، وزن چربی، وزن استخوان و وزن دنبه) و برخی اندازههای ظاهری بدن (طول بدن، دور قفسه سینه، عرض کپل و عرض شانه) مورد بررسی قرار گرفت. همچنین معادلات رگرسیون خطی مناسب برای پیشبینی وزن زنده و خصوصیات لاشه تعیین شد و با روش شبکه ی عصبیمصنوعی نیز مقایسه گردید. مواد و روش ها: از رکوردهای مربوط به ۵۸ راس بره نر نژاد لریبختیاری ایستگاه پرورش و اصلاح نژاد شهرستان شهرکرد واقع در استان چهار محال و بختیاری استفاده شد. برهها در سن ۵±۹۰ روزگی شیرگیری و سپس در سه گروه ۶۰، ۸۰ و ۱۰۰ روز پروار شدند. در پایان دوره پروار اندازههای ظاهری بدن اندازه گیری شد و بعد از کشتار و پوستکنی نیز خصوصیات لاشه مورد نظر اندازهگیری گردید. از تعداد ۶۹۶ رکورد برای پیش بینی وزن زنده و خصوصیات لاشه با استفاده از معادلات رگرسیون و شبکه ی عصبی مصنوعی استفاده گردید. پیش بینی خصوصیات لاشه و وزن زنده هنگام کشتار با استفاده از اندازههای ظاهری بدن توسط معادله رگرسیونی دارای بهترین ضریب تعیین انجام شد. همچنین مدلهای رگرسیونی منتخب پیشبینی کننده صفات با استفاده از شبکه ی عصبی مصنوعی نیز برازش داده شدند و نتایج این دو روش بر اساس معیارهای ضریب تعیین و میانگین مربعات خطا مقایسه شد. یافته ها: ضرایب همبستگی فنوتیپی بین وزن زنده و خصوصیات لاشه مثبت و نسبتا زیاد برآورد گردید که در دامنه ی ۵۸/۰ تا ۹۹/۰ قرار داشتند. ضرایب همبستگی فنوتیپی بین اندازه های بدن و خصوصیات لاشه نیز دارای تغییراتی در دامنه ی ۲۹/۰ تا ۶۹/۰ بود. در بین اندازههای ظاهری بدن بیشترین همبستگی را دور قفسه ی سینه با وزن زنده و خصوصیات لاشه داشت. همبستگی نسبتا بالای بین وزن زنده و وزن اجزای مختلف لاشه با اندازه های ظاهری بدن در پژوهش حاضر حاکی از آن است که می توان از اندازه های ظاهری بدن در پیش بینی این صفات و با دقت نسبتا بالایی استفاده نمود. نتایج نشان داد با استفاده از اندازههای طول بدن، دور قفسهی سینه و عرض کپل در معادله رگرسیونی می توان با دقت ۷۹ درصد وزن زنده بره های لری بختیاری را پیش بینی نمود. همچنین با استفاده از وزن زنده و دور قفسهی سینه میتوان وزن لاشهی گرم و وزن لاشه ی سرد را به ترتیب با دقت ۹۷ و ۹۶ درصد برآورد نمود. وزن زنده بدن به ترتیب ۹۴ و ۷۲ درصد از تنوع وزن نیم لاشه و وزن دنبه را توجیه نمود. همچنین نتایج نشان داد که کارایی شبکه ی عصبی مصنوعی طراحی شده در پیش-بینی خصوصیات لاشه بالاتر از مدل های رگرسیون بود. نتیجه گیری: نتایج نشان داد که می توان با دقت نسبتا بالایی از اندازه های ظاهری بدن در پیش بینی وزن زنده و وزن اجزای مختلف لاشه استفاده نمود. همچنین نتیجهگیری شد که تکنیک شبکه ی عصبی مصنوعی بهتر از معادلات رگرسیون خطی قادر به پیش بینی وزن زنده و خصوصیات لاشه در گوسفندان لریبختیاری بود. با توجه به اهمیت خصوصیات لاشه در تعیین پتانسیل ژنتیکی و تنظیم برنامه های اصلاح نژاد مرتبط با افزایش تولید گوشت، نتایج این پژوهش می تواند استفاده کاربردی داشته باشد.