عنوان مقاله: مقایسه دقت شبکه عصبی مصنوعی و مدل رگرسیون خطی در تخمین وزن شتر یک‌کوهانه با استفاده از اندازه‌های بدن

در مدیریت پرورش شتر وزن کشی در گروه بندی دام‌ها، تنظیم احتیاجات غذایی و نیز ارزیابی سالیانه حیوانات نقش تعیین کننده دارد. شترداران به دلیل دشواری و مخاطرات متعدد، معمولاَ روش‌های جایگزین نظیر استفاده از برآورد ظاهری و یا وزن‌متر را برای تخمین وزن شترها ترجیح می‌دهند. از آن‌جا که دقت مدل‌های ریاضی در تخمین وزن شترها یکسان نیست، لذا پژوهش حاضر با هدف مقایسه دقت برآورد شبکه عصبی مصنوعی و مدل رگرسیون خطی چندگانه در تخمین وزن شترهای یک‌کوهانه از روی ابعاد بدنی آن‌ها به انجام رسید. به این منظور 26 نفر شتر با تعداد 203 رکورد از یک مزرعه شخصی برای مدت یک‌ سال استفاده شد. وزن کشی و تعیین ابعاد بدنی شتر‌ها (طول بدن، ارتفاع جدوگاه، ارتفاع کپل، ارتفاع کوهان تا زمین، دور سینه و دور شکم) به‌طور ماهیانه اندازه‌گیری شد. برای تخمین وزن شترها از روی ابعاد بدن آن‌ها داده‌ها با استفاده از مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفتند. وزن شترها از روی ابعاد بدنی آن‌ها با استفاده از مدل رگرسیون خطی چند متغیره و مدل شبکه عصبی مصنوعی به ترتیب با دقت 0.94 و 0.99 تخمین زده شد. در آزمون عملی، مدل رگرسیون چندگانه و شبکه عصبی مصنوعی به ترتیب وزن شترها را 16.39 و 5.07 کیلوگرم کمتر از وزن واقعی آن‌ها برآورد نمودند. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی از قابلیت مناسبی برای تخمین وزن شترها از روی ابعاد بدنی آن‌ها برخوردار بوده و می‌تواند جایگزین روش‌های متداول رگرسیون گردد.

comparison of artificial neural network accuracy and linear regression model in estimating the weight of dromedary camel using body measurements

in the management of camel breeding, weightlifting plays a decisive role in grouping livestock, regulating nutritional needs and also annual evaluation of animals. due to the many difficulties and risks, camel owners usually prefer alternative methods such as using apparent estimates or weight meter to estimate the weight of camels. since the accuracy of mathematical models in estimating the weight of camels is not equal, so the present research was conducted to compare the accuracy of estimating artificial neural network and multiple linear regression model in estimating the weight of dromedary camels from their body dimensions. for this purpose, 26 camels with 203 records were used from a private farm for one year. weighing and determining the body dimensions of camels (body length, shoulder height, back height, hump height to the ground, chest and abdomen girth) were measured monthly. to estimate the weight of camels from their body dimensions, the data were analyzed using multiple linear regression model and artificial neural network. the weight of camels on their body dimensions was estimated with accuracy of 0.94 and 0.99, respectively, using multivariate linear regression model and artificial neural network model. the weight of camels on their body dimensions was estimated with accuracy of 0.94 and 0.99, respectively, using multivariate linear regression model and artificial neural network model. the results of this research showed that the artificial neural network has the proper ability to estimate the weight of camels based on their body dimensions and can replace conventional regression methods.