ABSTRACT
The objective of this study was to assess the suitability
of 3 different modeling techniques for the
prediction of total daily herd milk yield from a herd
of 140 lactating pasture-based dairy cows over varying
forecast horizons. A nonlinear auto-regressive
model with exogenous input, a static artificial neural
network, and a multiple linear regression model were
developed using 3 yr of historical milk-production data.
The models predicted the total daily herd milk yield
over a full season using a 305-d forecast horizon and
50-, 30-, and 10-d moving piecewise horizons to test
the accuracy of the models over long- and short-term
periods. All 3 models predicted the daily production
levels for a full lactation of 305 d with a percentage root
mean square error (RMSE) of ≤12.03%. However, the
nonlinear auto-regressive model with exogenous input
was capable of increasing its prediction accuracy as the
horizon was shortened from 305 to 50, 30, and 10 d
[RMSE (%) = 8.59, 8.1, 6.77, 5.84], whereas the static
artificial neural network [RMSE (%) = 12.03, 12.15,
11.74, 10.7] and the multiple linear regression model
[RMSE (%) = 10.62, 10.68, 10.62, 10.54] were not able
to reduce their forecast error over the same horizons
to the same extent. For this particular application the
nonlinear auto-regressive model with exogenous input
can be presented as a more accurate alternative to conventional
regression modeling techniques, especially for
short-term milk-yield predictions.
Key words: dairy production , milk-production forecasting
, modeling
บทคัดย่อวัตถุประสงค์ของการศึกษานี้เป็นการ ประเมินความเหมาะสมแตกต่างกัน 3 โมเดลเทคนิคสำหรับการนมฝูงทุกวันรวมการคาดเดาผลจากฝูง140 นมตามทุ่งหญ้าจากนมวัวผ่านแตกต่างกันขอบเขตการคาดการณ์ แบบไม่เชิงเส้นถอยหลังอัตโนมัติรุ่นที่ มีอินพุตภายนอก คงประดิษฐ์ประสาทเครือข่าย และแบบจำลองถดถอยเชิงเส้นหลายพัฒนาโดยใช้ 3 ปีข้อมูลประวัติศาสตร์การผลิตนมโมเดลการคาดการณ์ผลนมฝูงทุกวันรวมกว่าจัดโดยใช้ขอบเขตการคาดการณ์ของ 305-d และ50, 30- และ 10 d ฟ้า piecewise เคลื่อนการทดสอบความถูกต้องของรุ่นที่ผ่าน และสั้นระยะยาวรอบระยะเวลา ทั้งหมด 3 รุ่นคาดการณ์การผลิตประจำวันระดับสำหรับหญิงให้นมบุตรเต็มของ d 305 มีรากเปอร์เซ็นต์หมายถึง ตารางข้อผิดพลาด (RMSE) ≤12.03% อย่างไรก็ตาม การแบบไม่เชิงเส้นถอยหลังอัตโนมัติกับข้อมูลภายนอกมีความสามารถในการเพิ่มความถูกต้องของการคาดเดาเป็นการขอบฟ้าเป็นระยะสั้นลงจาก 305 50, 30 และ 10 d[RMSE (%) = 8.59, 8.1, 6.77, 5.84], ในขณะที่คงโครงข่ายประสาทเทียม [RMSE (%) = 12.03, 12.1511.74, 10.7] และแบบจำลองถดถอยเชิงเส้นหลาย[RMSE (%) = 10.62, 10.68, 10.62, 10.54] ไม่ได้เพื่อลดข้อผิดพลาดการคาดการณ์ผ่านฟ้าเดียวกันในขอบเขตเดียวกัน สำหรับงานนี้โดยเฉพาะการแบบไม่เชิงเส้นถอยหลังอัตโนมัติกับข้อมูลภายนอกสามารถนำเสนอเป็นทางเลือกถูกต้องจะธรรมดาเทคนิค การสร้างโมเดลสำหรับการถดถอยคาดคะเนผลผลิตนมระยะสั้นคำสำคัญ: การผลิตโคนม การคาดการณ์ปริมาณน้ำนมการสร้างโมเดล
การแปล กรุณารอสักครู่..

บทคัดย่อ
วัตถุประสงค์ของการศึกษาครั้งนี้คือการประเมินความเหมาะสม
ของการสร้างแบบจำลอง 3 เทคนิคที่แตกต่างกันสำหรับ
การคาดการณ์อัตราผลตอบแทนของฝูงนมทุกวันรวมกันเป็นฝูง
140 ให้นมบุตรทุ่งหญ้าตามโคนมมากกว่าที่แตกต่างกัน
อันไกลโพ้นของการคาดการณ์ รถยนต์-ถอยหลังไม่เป็นเชิงเส้น
รูปแบบด้วยการป้อนข้อมูลภายนอกคงประสาทเทียม
ของเครือข่ายและรูปแบบการถดถอยพหุคูณเชิงเส้นถูก
พัฒนาโดยใช้ 3 ปีของประวัติศาสตร์ข้อมูลนมผลิต.
รุ่นที่คาดการณ์ผลผลิตน้ำนมฝูงทั้งหมดในชีวิตประจำวัน
ในช่วงฤดูกาลเต็มใช้ 305 ขอบฟ้า -d การคาดการณ์และ
50, 30, 10 และ-D ย้ายไกลโพ้นค่เพื่อทดสอบ
ความถูกต้องของรูปแบบในช่วงระยะยาวและระยะสั้น
ระยะเวลา ทั้งหมด 3 แบบจำลองคาดการณ์การผลิตรายวัน
ระดับสำหรับการให้นมเต็มรูปแบบของ 305 D กับรากเปอร์เซ็นต์
หมายถึงตารางข้อผิดพลาด (RMSE) ของ≤12.03% อย่างไรก็ตาม
รูปแบบอัตโนมัติถอยหลังไม่เชิงเส้นด้วยการป้อนข้อมูลจากภายนอก
คือความสามารถในการเพิ่มความถูกต้องทำนายที่เป็น
ขอบฟ้าลง 305-50, 30, และ 10 d
[RMSE (%) = 8.59, 8.1, 6.77, 5.84] ในขณะที่ คง
เครือข่ายประสาทเทียม [RMSE (%) = 12.03, 12.15,
11.74, 10.7] และหลายรูปแบบการถดถอยเชิงเส้น
[RMSE (%) = 10.62, 10.68, 10.62, 10.54] ไม่สามารถ
ที่จะลดข้อผิดพลาดในการคาดการณ์ของพวกเขามากกว่าขอบฟ้าเดียวกัน
ในระดับเดียวกับ สำหรับโปรแกรมนี้โดยเฉพาะอย่างยิ่ง
รุ่นอัตโนมัติถอยหลังไม่เชิงเส้นด้วยการป้อนข้อมูลจากภายนอก
สามารถนำเสนอเป็นทางเลือกที่ถูกต้องมากขึ้นในการชุมนุม
เทคนิคการสร้างแบบจำลองการถดถอยโดยเฉพาะอย่างยิ่ง
ในระยะสั้นคาดการณ์อัตราผลตอบแทนที่นม.
คำสำคัญ: การผลิตนมพยากรณ์นมผลิต
การสร้างแบบจำลอง
การแปล กรุณารอสักครู่..
