استفاده از مدل رياضي گمپرتز براي تخمين پارامترهاي رشد جوجه هاي گوشتي تغذيه شده با مقادير مختلف دانه شاهدانه (Cannabis sativa L.) و مقايسه آن با شبكه عصبي مصنوعي

مقدمه و هدف: اين آزمايش به منظور بررسي اثر مصرف سطوح مختلف جيره‌اي دانه شاهدانه (Cannabis sativa L.) بر پارامتر هاي رشد جوجه هاي گوشتي برآورد شده توسط مدل رياضي گمپرتز و شبكه عصبي مصنوعي انجام گرفت.مواد و روش‌ها: در اين پژوهش از 192 قطعه جوجه خروس يك روزه (Ross 308) با چهار تيمار جيره‌اي شاهد (فاقد شاهدانه)، 2/5 درصد، 5 درصد و 7/5 درصد شاهدانه در چهار تكرار (هرتكرار شامل 12 قطعه جوجه) در قالب طرح كاملاً تصادفي استفاده شد. در طول دوره پرورش جوجه‌ها به آب و خوراك دسترسي آزاد داشتند. براي ارزيابي پارامترهاي رشد، وزن تجمعي بدن پرندگان با مدل گمپرتز برازش شد. يافته‌ها: نتايج نشان داد كه سطوح مختلف دانه شاهدانه اثر معني داري بر پارامترهاي رشد در جوجه هاي گوشتي نداشت. نرخ رشد در هفته هاي اول تا پنجم دوره پرورش جوجه هاي گوشتي به طور معني داري تحت تأثير افزودن جيره اي دانه شاهدانه قرار گرفت. نتايج مقايسه شاخص هاي نكوئي مدل ها نشان داد كه مدل غيرخطي گمپرتز با داشتن ضريب تعيين بالاتر و ميانگين مربعات خطا، ميانگين انحراف مطلق، ميانگين درصد خطاي مطلق و اريبي كمتر در مقايسه با شبكه عصبي مصنوعي، برآورد بهتري از وزن جوجه هاي گوشتي دارد.نتيجه‌گيري: نتايج اين پژوهش نشان داد كه سطوح مختلف جيره اي دانه شاهدانه اثر معني داري بر فراسنجه هاي رشد جوجه هاي گوشتي شامل ضريب رشد نسبي، وزن زنده در زمان بلوغ، نقطه عطف منحني رشد و وزن بدن در زمان نقطه عطف منحني رشد نداشت. نرخ رشد در هفته هاي اول تا پنجم دوره پرورش جوجه هاي گوشتي به طور معني داري تحت تأثير افزودن جيره اي دانه شاهدانه قرار گرفت. از طرفي نتايج اين تحقيق حاكي از اين بود كه مدل گمپرتز توانست وزن 42 روزگي جوجه هاي گوشتي را با دقت بيشتري در مقايسه با مدل شبكه عصبي مصنوعي برآورد كند.