مقايسه مدل‌سازي شبكه عصبي مصنوعي و مدل خطي چندگانه در برآورد وزن دنبه نژادهاي دنبه دار و آميخته هاي آنها با نژاد بدون دنبه

همه نژادهاي گوسفندان بومي ايران بجز نژاد زل، دنبه‌دار هستند و عليرغم درصد چربي لاشه كمتر بره‌هاي نر نسبت به ماده‌ها، داراي وزن دنبه بيشتري مي‌باشند. استفاده از ميزان تنوع درون‌نژادي جهت تغيير ژنتيكي مستلزم اندازه‌‌گيري دقيق وصحيح وزن دنبه در دام‌هاي تحت انتخاب مي‌باشد. هدف اين مطالعه مقايسه روش‌هاي مدل‌سازي شبكه عصبي مصنوعي (ANN) و مدل خطي جهت پيش‌بيني وزن دنبه در گوسفند از روي وزن بدن و اندازه‌هاي مختلف ابعاد دنبه بود. براي مدل‌سازي جهت برآورد وزن دنبه، تعداد 32 بره از نژادهاي شال و زندي، آميخته‌هاي زندي×شال، زل×زندي و زل×شال تهيه گرديد. ورودي‌هاي مدل شامل نوع تولد، جنسيت، نژاد، عرض بالاي دنبه، عرض مياني دنبه، عرض پايين دنبه، ارتفاع دنبه و وزن بدن قبل از كشتار و خروجي مدل وزن دنبه بود. صفات وزن بدن، نژاد و عرض مياني دنبه به ترتيب با مقادير0/82،0/83- و0/80 داراي بيشترين همبستگي با وزن دنبه داشتند. پارامترهاي برازش بهترين مدل شبكه عصبي ‌مصنوعي داراي ضرايب تبيين 0/99 و مجذور ميانگين مربعات خطاي (RMSE) 70/3گرم بودند. ميزان پارامترهاي مذكور در مدل خطي به ترتيب 0/89 و 263/86 گرم بود. نتايج حاصل از بسط مطالعه اصلي، وجود پيچيدگي روابط متقابل بين‌ورودي‌هاي مدل را نشان داد. اين پژوهش امكان پيش‌بيني دقيق و صحيح وزن دنبه نژادها و آميخته‌هاي مختلف را با استفاده از شبكه عصبي به اثبات رساند. اين مطالعه همچنين نشان داد كه برآورد وزن دنبه از روي صفات قابل اندازه‌گيري در گوسفند با استفاده از مدل شبكه عصبي مصنوعي با صحت و دقت بيشتري نسبت به مدل خطي انجام مي‌شود.