家禽产业管理的人工神经网络:基于肉鸡生产链的模拟

IF 0.4 Q4 Veterinary
Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle
{"title":"家禽产业管理的人工神经网络:基于肉鸡生产链的模拟","authors":"Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle","doi":"10.1590/1809-6891v24e-75400p","DOIUrl":null,"url":null,"abstract":"Resumo O objetivo deste trabalho foi predizer os indicadores de produção e determinar o seu potencial impacto econômico em um sistema de integração utilizando as redes neurais artificiais (RNA). Quarenta parâmetros zootécnicos e de produção de granjas de matrizes e de frango de corte, um incubatório e um abatedouro foram selecionados como variáveis. Os modelos de RNA foram estabelecidos para quatro variáveis de saída (“eclosão vendável”, “peso ao final da quinta semana”, “condenações parciais” e “condenações totais”) e foram analisados em relação ao coeficiente de determinação múltipla (R2), coeficiente de correlação (R), erro médio (E), erro quadrático médio (EQM) e raiz do erro quadrático médio (REQM). Os cenários produtivos foram simulados e os impactos foram estimados. Os modelos de RNA gerados foram adequados para simular diferentes cenários produtivos após o treinamento. Para “eclosão vendável”, o modelo de incubadora e o período de incubação aumentaram os ganhos financeiros. Para “peso ao final da quinta semana”, a linhagem também demonstrou influencia no retorno financeiro, o que não aconteceu com o peso ao final da primeira semana. O sexo do lote possui influência nas taxas de “condenação parcial”, ao contrário do peso do frango no primeiro dia. As taxas de mortalidade e o peso do frango apresentaram influência na “condenação total”, mas o sexo do lote e o tipo de pinto não tiverem influência.","PeriodicalId":38520,"journal":{"name":"Ciencia Animal Brasileira","volume":"126 1","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte\",\"authors\":\"Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle\",\"doi\":\"10.1590/1809-6891v24e-75400p\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Resumo O objetivo deste trabalho foi predizer os indicadores de produção e determinar o seu potencial impacto econômico em um sistema de integração utilizando as redes neurais artificiais (RNA). Quarenta parâmetros zootécnicos e de produção de granjas de matrizes e de frango de corte, um incubatório e um abatedouro foram selecionados como variáveis. Os modelos de RNA foram estabelecidos para quatro variáveis de saída (“eclosão vendável”, “peso ao final da quinta semana”, “condenações parciais” e “condenações totais”) e foram analisados em relação ao coeficiente de determinação múltipla (R2), coeficiente de correlação (R), erro médio (E), erro quadrático médio (EQM) e raiz do erro quadrático médio (REQM). Os cenários produtivos foram simulados e os impactos foram estimados. Os modelos de RNA gerados foram adequados para simular diferentes cenários produtivos após o treinamento. Para “eclosão vendável”, o modelo de incubadora e o período de incubação aumentaram os ganhos financeiros. Para “peso ao final da quinta semana”, a linhagem também demonstrou influencia no retorno financeiro, o que não aconteceu com o peso ao final da primeira semana. O sexo do lote possui influência nas taxas de “condenação parcial”, ao contrário do peso do frango no primeiro dia. As taxas de mortalidade e o peso do frango apresentaram influência na “condenação total”, mas o sexo do lote e o tipo de pinto não tiverem influência.\",\"PeriodicalId\":38520,\"journal\":{\"name\":\"Ciencia Animal Brasileira\",\"volume\":\"126 1\",\"pages\":\"\"},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ciencia Animal Brasileira\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1590/1809-6891v24e-75400p\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"Veterinary\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ciencia Animal Brasileira","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1590/1809-6891v24e-75400p","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"Veterinary","Score":null,"Total":0}
引用次数: 0

摘要

摘要本研究的目的是利用人工神经网络(ann)预测生产指标并确定其对集成系统的潜在经济影响。选取肉鸡养殖场、孵化场和屠宰场的40个动物技术和生产参数作为变量。RNA模式建立了四个输出变量(“爆发全部决赛第五周”,“体重”部分,“信念”和“总”项),分析了在复决定系数(R2),相关系数(R)、中期(错误),平均平方误差(mse)和根的平均数(REQM错误)。模拟了生产情景,估计了影响。生成的RNA模型适用于模拟训练后不同的生产场景。对于“可销售孵化”,孵化器模式和孵化期增加了财务收益。对于“第五周结束时的体重”,血统对财务回报也有影响,但在第一周结束时体重没有影响。与第一天的鸡重不同,鸡群的性别对“部分定罪”率有影响。死亡率和鸡重对“总定罪”有影响,但鸡群性别和鸡型无影响。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte
Resumo O objetivo deste trabalho foi predizer os indicadores de produção e determinar o seu potencial impacto econômico em um sistema de integração utilizando as redes neurais artificiais (RNA). Quarenta parâmetros zootécnicos e de produção de granjas de matrizes e de frango de corte, um incubatório e um abatedouro foram selecionados como variáveis. Os modelos de RNA foram estabelecidos para quatro variáveis de saída (“eclosão vendável”, “peso ao final da quinta semana”, “condenações parciais” e “condenações totais”) e foram analisados em relação ao coeficiente de determinação múltipla (R2), coeficiente de correlação (R), erro médio (E), erro quadrático médio (EQM) e raiz do erro quadrático médio (REQM). Os cenários produtivos foram simulados e os impactos foram estimados. Os modelos de RNA gerados foram adequados para simular diferentes cenários produtivos após o treinamento. Para “eclosão vendável”, o modelo de incubadora e o período de incubação aumentaram os ganhos financeiros. Para “peso ao final da quinta semana”, a linhagem também demonstrou influencia no retorno financeiro, o que não aconteceu com o peso ao final da primeira semana. O sexo do lote possui influência nas taxas de “condenação parcial”, ao contrário do peso do frango no primeiro dia. As taxas de mortalidade e o peso do frango apresentaram influência na “condenação total”, mas o sexo do lote e o tipo de pinto não tiverem influência.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Ciencia Animal Brasileira
Ciencia Animal Brasileira Veterinary-Veterinary (all)
CiteScore
0.50
自引率
0.00%
发文量
44
审稿时长
28 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信