Artigo
Predicting chick body mass by artificial intelligence‑based models
Carregando...
Notas
Data
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Embrapa Informação Tecnológica
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
O objetivo deste trabalho foi desenvolver, validar e comparar 190 modelos baseados em inteligência
artificial, para predizer a massa corporal de pintinhos de 2 a 21 dias de vida, submetidos a diferentes períodos
e intensidades de estresse térmico. O experimento foi realizado com 210 pintinhos, em quatro túneis de vento
climatizados. Um banco de dados com 840 conjuntos de dados (de aves de 2 a 21 dias) – com as variáveis
temperatura de bulbo seco do ar, duração do estresse térmico (dias), idade das aves (dias) e a massa corporal
diária dos pintinhos – foi utilizado para treinamento de rede, validação e testes dos modelos baseados em redes
neurais artificiais (RNA) e redes “neuro-fuzzy” (RNF). As RNA mostraram-se mais precisas para se predizer a
massa corporal de pintinhos de 2 a 21 dias de idade, submetidos às variáveis de entrada, e apresentaram R² de
0,9993 e erro‑padrão de 4,62 g. As RNA propiciam a simulação de diversos cenários, que podem auxiliar na
tomada de decisões em relação ao manejo, e podem ser incorporadas nos sistemas de controle de aquecimento.
Abstract
The objective of this work was to develop, validate, and compare 190 artificial intelligence‑based
models for predicting the body mass of chicks from 2 to 21 days of age subjected to different duration and
intensities of thermal challenge. The experiment was conducted inside four climate‑controlled wind tunnels
using 210 chicks. A database containing 840 datasets (from 2 to 21‑day‑old chicks) – with the variables
dry‑bulb air temperature, duration of thermal stress (days), chick age (days), and the daily body mass of chicks
– was used for network training, validation, and tests of models based on artificial neural networks (ANNs)
and neuro‑fuzzy networks (NFNs). The ANNs were most accurate in predicting the body mass of chicks from
2 to 21 days of age after they were subjected to the input variables, and they showed an R² of 0.9993 and a
standard error of 4.62 g. The ANNs enable the simulation of different scenarios, which can assist in managerial
decision‑making, and they can be embedded in the heating control systems.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
FERRAZ, P. F. P. et al. Predicting chick body mass by artificial intelligence-based models. Pesquisa Agropecuária Brasileira, Brasília, v. 49, n. 7, p. 559-568, jul. 2014.