The objective of this study was to

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

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์ของการศึกษานี้เป็นการ 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 การสร้างโมเดลสำหรับการถดถอยshort-term milk-yield predictions.Key words: dairy production , milk-production forecasting, modeling

ผลลัพธ์ (ไทย) 2:

วัตถุประสงค์ของการศึกษานี้คือการประเมินความเหมาะสมของการสร้างแบบจำลอง 3 เทคนิคที่แตกต่างกันสำหรับการคาดการณ์ผลผลิตน้ำนมฝูงในชีวิตประจำวันรวมจากฝูง140 โคนมตามทุ่งหญ้าให้นมบุตรในช่วงที่แตกต่างกันอันไกลโพ้นของการคาดการณ์ อัตโนมัติถอยหลังไม่เชิงเส้นรูปแบบที่มีการป้อนข้อมูลภายนอกคงประสาทเทียมของเครือข่ายและหลายรูปแบบการถดถอยเชิงเส้นได้รับการพัฒนาโดยใช้3 ปีของข้อมูลนมผลิตประวัติศาสตร์. รุ่นที่คาดการณ์ผลผลิตนมฝูงในชีวิตประจำวันรวมกว่าฤดูกาลใช้ 305 ขอบฟ้าคาดการณ์ -d และ 50, 30 และ 10 d ย้ายค่อันไกลโพ้นในการทดสอบความถูกต้องของรูปแบบในช่วงระยะยาวและระยะสั้นระยะเวลา ทั้ง 3 รุ่นคาดการณ์การผลิตรายวันระดับสำหรับการให้นมเต็ม305 d กับรากเปอร์เซ็นต์หมายถึงข้อผิดพลาดของตาราง(RMSE) ของ≤12.03% อย่างไรก็ตามรูปแบบอัตโนมัติถอยหลังไม่เชิงเส้นด้วยการป้อนข้อมูลจากภายนอกคือความสามารถในการเพิ่มความถูกต้องทำนายที่เป็นขอบฟ้าลง305-50, 30, และ 10 d [RMSE (%) = 8.59, 8.1, 6.77, 5.84] ในขณะที่ คงเครือข่ายประสาทเทียม[RMSE (%) = 12.03, 12.15, 11.74, 10.7] และหลายรูปแบบการถดถอยเชิงเส้น[RMSE (%) = 10.62, 10.68, 10.62, 10.54] ไม่สามารถที่จะลดข้อผิดพลาดในการคาดการณ์ของพวกเขามากกว่าขอบฟ้าเดียวกันในระดับเดียวกับ สำหรับโปรแกรมนี้โดยเฉพาะอย่างยิ่งรูปแบบอัตโนมัติถอยหลังไม่เชิงเส้นด้วยการป้อนข้อมูลจากภายนอกสามารถนำเสนอเป็นทางเลือกที่ถูกต้องมากขึ้นในการชุมนุมเทคนิคการสร้างแบบจำลองการถดถอยโดยเฉพาะการคาดการณ์ระยะสั้นให้ผลผลิตนม. คำสำคัญ: การผลิตนมนมการคาดการณ์การผลิต, การสร้างแบบจำลอง