Uso de redes neurais artificiais para estimar parâmetros de produção de galinhas reprodutoras pesadas em recria

Visualização do Trabalho Completo
Arquivo do Adobe Acrobat com 111kb (pdf)

Resumo
Uma atividade com a magnitude da avicultura, que usa equipamentos de última geração e serviços atualizados, é levada, na maioria dos casos, a tomar decisões que envol-vem todos aspectos de produção, apoiada em critérios subjetivos. O presente trabalho objetiva estudar a utilização das redes neurais artificiais para serem usadas na predição dos parâmetros de desempenho das aves em recria, pertencentes a uma integração avícola sul-brasileira. Foram utilizados os registros de 11 lotes de reprodutoras pesadas para a análise por redes neurais artificiais, no período compreendido entre 09/11/97 a 10/01/99. Os dados utilizados corresponderam a 273 linhas de registros semanais. Os modelos de redes neurais artificiais foram comparados e selecionados como melhores, baseados no coeficiente de determinação múltipla (R2), Quadrado Médio do Erro (QME), bem como pela análise de gráficos, plotando a predição da rede versus a predição menos o real. Os autores concluem que é possível explicar os parâmetros de desempenho das aves em recria, através da utili-zação de redes neurais artificiais. A técnica permite a tomada de decisões por parte do corpo técnico, baseadas em critérios objetivos obtidos cientificamente. Além disso, esse método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável no fenômeno em estudo.
Abstract
An economic activity with the magnitude of the poultry industry, which uses top line equipment, generally is lead to make decisions involving all production parameters, based in subjective criteria. The aim of this paper is to study the use of artificial neural networks to predict performance parameters in breeding birds, belonging to a South Brazilian poultry farm. Data from 11 broiler breeder flocks was recorded between November, 11th 1997 and October, 1st 1999. These data were processed by artificial neural networks. They corresponded to 273 data lines related to weekly recordings. The artificial neural networks models were compared and the best was selected, based on its determination coefficient, (R2), Mean Squared Error (QME), and by graphical analysis of the plot of network predic-tions versus the predictions minus the actual data. The authors conclude that it is possible to explain the performance parameters of breeding birds with the use of Artificial Neural Networks. The method allows decision making by the technical staff, based on objective criteria, scientifically obtained. Besides that, this method allows the simulation of conse-quences of these decisions and estimates the contribution of each variable used in the phe-nomena under study.

www.guahyba.vet.br