Etlik piliçlerde büyüme eğrisinin Yapay Sinir Ağları ve Gompertz büyüme eğrisi modeli ile tahmin edilmesi ve karşılaştırılması

Abstract

Bu çalışmada doğrusal olmayan problemlerin çözümünde, etlik piliçlerde en sık kullanılan Gompertz modeli ve YSA (Yapay Sinir Ağı) ile büyüme eğrileri tahminlenmiş ve karşılaştırılmıştır.Yöntemlerin karşılaştırılmasında; belirleme katsayısı (R²), ortalama mutlak sapma (OMS), ortalama mutlak yüzde hata (OMYH), ve hata kareler ortalaması (HKO) istatistikleri kullanılmıştır. Elde edilen sonuçlara göre; en büyük R² değerine sahip olan yöntemin incelenen modeller içerisinde en iyi model olduğu saptanmıştır. Araştırmada HKO değerleri sırasıyla YSA ve Gompertz modeli için 5625 ve 2950, tahmin tutarlılığını ölçmede kullanılan hata ölçütlerinden OMYH değeri ise sırasıyla 0.27 ve 0.17 olmak üzere yakın değerler tespit edilmiştir, OMS değerleri ise sırasıyla 0.5 ve 1.2 olarak saptanmıştır. YSA model ile tespit edilen OMS değeri daha düşük bulunmuştur. R² değerleri YSA ve Gompertz modeli için sırasıyla 0.98 ve 0.99 olarak tespit edilmiştir. YSA ve Gompertz modelinden elde edilen R² değerlerinin ve OMYH değerlerinin birbirine çok yakın olduğu tespit edilmiştir. HKO değerinin; Gompertz modelinde YSA'na göre daha iyi sonuçlar verdiği, görülmüştür. Sonuç olarak; YSA modelin büyümeyi açıklamada başarılı olduğu ve bu konuda en iyi modellerden olan Gompertz modeline alternatif bir model olarak kullanılabileceği düşünülmektedir.

In this study, growth curves were estimated and compared with Gompertz model and ANN (Artificial Neural Network) which is most commonly used in broiler chickens in solving nonlinear problems.In comparison of methods; determination coefficient (R²), mean absolute deviation (MAD), mean absolute percent error (MAPE), and mean squares error (MSE) statistics were used. According to the results obtained; the method with the highest R² value was found to be the best model among the studied models. In the study obtained, MSE values were found to be 5625 and 2950 for ANN and Gompertz model, MAPE values were 0.27 and 0.17, and MAD values were 0.5 and 1.2, respectively. The MAD value determined by ANN model was found to be lower. R² values were determined 0.98 and 0.99 for ANN and Gompertz model, respectively. It was determined that the R² values obtained from ANN and Gompertz models and MAPE values are very close to each other. It has been shown that MSE value in the Gompertz model gives better results than ANN. As a result; the ANN model is thought to be successful in explaining growth and can be used as an alternative model to the Gompertz model, which is one of the best models in this respect.