تغذیه دام و طیور
غلامرضا زابلی
چکیده
در این پژوهش تأثیرافزودن سطوح محتلف سینبیوتیک به جیره برعملکرد، جمعیت میکروبی و ریختسنجی رودهکوچک جوجههای گوشتی در شرایط تنش گرمایی مزمن بررسی و سطح بهینه سینبیوتیک برآورد شد. در مجموع تعداد240 قطعه جوجه گوشتی راس- 308 یک روزه، به طور تصادفی در 4 گروه آزمایشی و 5 تکرار و 12 پرنده در هر تکرار اختصاص داده شد. تیمارهای آزمایشی شامل ...
بیشتر
در این پژوهش تأثیرافزودن سطوح محتلف سینبیوتیک به جیره برعملکرد، جمعیت میکروبی و ریختسنجی رودهکوچک جوجههای گوشتی در شرایط تنش گرمایی مزمن بررسی و سطح بهینه سینبیوتیک برآورد شد. در مجموع تعداد240 قطعه جوجه گوشتی راس- 308 یک روزه، به طور تصادفی در 4 گروه آزمایشی و 5 تکرار و 12 پرنده در هر تکرار اختصاص داده شد. تیمارهای آزمایشی شامل سطوح 0، 5/0، 1 و 5/1 )گرم در کیلوگرم جیره( سینبیوتیک که به جیره آزمایشی (پایه) از 3 روزگی تا 42 روزگی اضافه گردید. تنش مزمن گرمایی برای همه گروهها از روز 28 تا 42 اعمال شد (روزانه 6 ساعت، دمای 32 درجه سلسیوس از ده صبح تا 4 عصر). نتایج نشان داد تغذیه با سینبیوتیک باعث بهبود معنیدار افزایش وزن بدن و مصرف خوراک تا 28 روزگی و دوره تنش مزمن گرمایی شد (05/0≥p). بطوریکه گروههای دریافتکننده 1 و 5/1 گرم در کیلوگرم سینبیوتیک بالاترین عملکرد را داشتند. تیمارهای حاوی سینبیوتیک بر جمعیت میکروبی تأثیر معنیداری داشت و باعث افزایش جمعیت باکتریهای تولیدکننده اسیدلاکتیک شد (05/0≥p). استفاده از سینبیوتیک در جیره باعث افزایش معنی دار ارتفاع پرز روده شد (05/0≥p). شاخص تولید اروپایی در تیمارهای حاوی 1 و 5/1 (گرم در کیلوگرم) سینبیوتیک افزایش معنیداری یافت (05/0≥p). نتایج پژوهش نشان میدهد که استفاده از سینبیوتیک در دوره تنش مزمنگرمایی با تغییر مثبت جمعیت میکروبی و ریخت سنجی روده، عملکرد را بهبود میدهد و بر اساس مدلسازی خطی و درجه دو، نقطه بهینه سطح سینبیوتیک برای افزایش وزن به ترتیب 3/1 و 42/1گرم در کیلوگرم جیره میباشد.
کریم نوبری؛ کاظم یوسفی کلاریکائی؛ عبدالغفار تخله؛ علیرضا برسلانی
چکیده
مطالعه حاضر با هدف تخمین صفات تولیدی مرغ مادر گوشتی آرین در کل دوره با استفاده از عملکرد اوایل دوره تولید به کمک مدلسازی شبکة عصبی مصنوعی انجام شد. متغیرهای ورودی مورد استفاده برای مدلسازی شامل سالن، تعداد مرغ مادر در هر سالن، تعداد هفتههای تولید، رکوردهای وزن بدن در 21 تا 24 هفتگی و خروجیهای مدل پیشبینیهای وزن بدن، تولید تخممرغ، ...
بیشتر
مطالعه حاضر با هدف تخمین صفات تولیدی مرغ مادر گوشتی آرین در کل دوره با استفاده از عملکرد اوایل دوره تولید به کمک مدلسازی شبکة عصبی مصنوعی انجام شد. متغیرهای ورودی مورد استفاده برای مدلسازی شامل سالن، تعداد مرغ مادر در هر سالن، تعداد هفتههای تولید، رکوردهای وزن بدن در 21 تا 24 هفتگی و خروجیهای مدل پیشبینیهای وزن بدن، تولید تخممرغ، توده تخممرغ، وزن تخممرغ و مصرف خوراک در سن 25 تا 47 هفتگی بودند. مدل مورد استفاده برای تخمین وزن بدن دارای 5 ورودی، 5 نورون در لایه پنهان اول، 2 نورون در لایه پنهان دوم و یک خروجی بود که به صورت 1-2-5-5 نگارش شد. به همین ترتیب ساختار بهینه مدل شبکه عصبی تخمین صفات مصرف خوراک، تعداد تخممرغ، وزن تخممرغ و توده تخممرغ به ترتیب 1-4-7-7، 1-4-8-8، 1-3-7-7 و 1-3-7-7 انتخاب شد. ضریب تبیین مدلهای بهینه بدست آمده برای هر یک از صفات وزن بدن، مصرف خوراک، تعداد تخممرغ، وزن تخممرغ وتوده تخممرغ به ترتیب 991/0، 998/0، 989/0، 993/0 و 996/0 و مجذور میانگین مربعات خطای آنها به ترتیب 55/1، 992/0، 266/0، 838/3 و 506/0 برآورد شد. نتایج حاکی از تأثیر محسوس ساختمان و پارامترهای شبکه شامل ورودیها و خروجیها و تعداد نرونهای هر لایه و تعداد لایههای پنهان بر روی عملکرد مدل شبکه عصبی مصنوعی بود. نتایج این مطالعه نشان داد که امکان پیشبینی عملکرد صفات مختلف در کل دورة تولیدی مرغهای مادر آرین بر اساس اطلاعات هفتههای ابتدایی پرورش، با دقت مطلوب وجود دارد.
کریم نوبری؛ محمود وطن خواه؛ سید داود شریفی؛ ناصر امام جمعه کاشان؛ مهدی مومن؛ عبداله کاویان
چکیده
همه نژادهای گوسفندان بومی ایران بجز نژاد زل، دنبهدار هستند و علیرغم درصد چربی لاشه کمتر برههای نر نسبت به مادهها، دارای وزن دنبه بیشتری میباشند. استفاده از میزان تنوع دروننژادی جهت تغییر ژنتیکی مستلزم اندازهگیری دقیق وصحیح وزن دنبه در دامهای تحت انتخاب میباشد. هدف این مطالعه مقایسه روشهای مدلسازی شبکه عصبی مصنوعی ...
بیشتر
همه نژادهای گوسفندان بومی ایران بجز نژاد زل، دنبهدار هستند و علیرغم درصد چربی لاشه کمتر برههای نر نسبت به مادهها، دارای وزن دنبه بیشتری میباشند. استفاده از میزان تنوع دروننژادی جهت تغییر ژنتیکی مستلزم اندازهگیری دقیق وصحیح وزن دنبه در دامهای تحت انتخاب میباشد. هدف این مطالعه مقایسه روشهای مدلسازی شبکه عصبی مصنوعی (ANN) و مدل خطی جهت پیشبینی وزن دنبه در گوسفند از روی وزن بدن و اندازههای مختلف ابعاد دنبه بود. برای مدلسازی جهت برآورد وزن دنبه، تعداد 32 بره از نژادهای شال و زندی، آمیختههای زندی×شال، زل×زندی و زل×شال تهیه گردید. ورودیهای مدل شامل نوع تولد، جنسیت، نژاد، عرض بالای دنبه، عرض میانی دنبه، عرض پایین دنبه، ارتفاع دنبه و وزن بدن قبل از کشتار و خروجی مدل وزن دنبه بود. صفات وزن بدن، نژاد و عرض میانی دنبه به ترتیب با مقادیر 83/0، 82/0- و 80/0 دارای بیشترین همبستگی با وزن دنبه داشتند. پارامترهای برازش بهترین مدل شبکه عصبیمصنوعی دارای ضرایب تبیین 99/0 و مجذور میانگین مربعات خطای(RMSE) 3/70 گرم بودند. میزان پارامترهای مذکور در مدل خطی به ترتیب 89/0 و 86/263 گرم بود. نتایج حاصل از بسط مطالعه اصلی، وجود پیچیدگی روابط متقابل بینورودیهای مدل را نشان داد. این پژوهش امکان پیشبینی دقیق و صحیح وزن دنبه نژادها و آمیختههای مختلف را با استفاده از شبکه عصبی به اثبات رساند. این مطالعه همچنین نشان داد که برآورد وزن دنبه از روی صفات قابل اندازهگیری در گوسفند با استفاده از مدل شبکه عصبی مصنوعی با صحت و دقت بیشتری نسبت به مدل خطی انجام میشود.
