@article { author = {Masoudi, Abbas and Azarfar, Arash and خسروی نیا, حشمت ا...}, title = {Comparison of non-linear, spline regression and neural networks models to predict the growth curves of broiler chickens fed different levels of rice hull}, journal = {Animal Production}, volume = {18}, number = {4}, pages = {877-888}, year = {2016}, publisher = {University of Tehran, College of Abureyhan}, issn = {2008-6776}, eissn = {2382-994X}, doi = {10.22059/jap.2016.59169}, abstract = {In the current study, growth parameters of broiler chickens fed with rice hull were estimated and their final body weigh was predicted using non-linear, spline regression and neural networks models. The experimental treatments were control and dietary inclusion of rice hull at the levels of 2.5, 5 and 7.5 percent. Predicted final body weight estimated by non-linear regression models in the current study was higher in control chicks compare with those fed rice hull containing diets (P<0.05), but similar among the other birds. Inflection point of growth curve occurred earlier in in control chicks than those fed hull rice containing diets (P<0.05), but increasing hull rice in the diet level had no effect on this parameter. The highest and lowest body weight at inflection point observed in birds fed control and those fed diet containing 5 percent of rice hull, respectively (P<0.05). Feeding chicks with diets containing rice hull decreased parameters b of spline regression model compared with control birds, while parameter c was only lower in birds fed diet containing 7.5 percent hull rice compared with birds on control diet (P<0.05). According to our results, spline regression model is more efficient than the non-linear and artificial neural network models to predict body weight of broiler chicks fed with diets containing rice hull at day 42 of age.}, keywords = {Broilers,final body weight,model efficiency,prediction of growth rate,Rice hull}, title_fa = {مقایسه مدل‏های غیرخطی با تابعیت اسپلاین و شبکه عصبی مصنوعی برای توصیف منحنی رشد جوجه‏های گوشتی تغذیه شده با پوسته برنج}, abstract_fa = {در این آزمایش فراسنجه‌های رشد جوجه‏های گوشتی تغذیه شده با پوسته برنج برآورد شد و وزن نهایی این جوجه‏ها با استفاده از مدل‏های غیرخطی، تابعیت اسپلاین و شبکه عصبی مصنوعی پیش‏بینی شد. تیمارها شامل تیمار شاهد و تیمارهای حاوی 5/2، پنج و 5/7 درصد پوسته برنج بود. نتایج نشان داد که وزن نهایی پیش بینی شده توسط تمامی مدلهای مورد استفاده در پژوهش حاضر در جوجه‌های تیمار شاهد بالاتر از جوجه‌های سایر تیمارها بود (05/0>P)، ولی تفاوتی در وزن نهایی پیش بینی شده در میان جوجه‌های تغذیه شده با جیره‌های حاوی سطوح مختلف پوسته برنج مشاهده نشد. زمان نقطه عطف منحنی رشد در جوجه‌های گروه شاهد پایین‌تر از جوجه‌های سایر تیمارها بود (05/0>P)، ولی افزایش سطح پوسته برنج در جیره تاثیر معنی داری بر این فراسنجه نداشت. بیشترین و کمترین وزن محاسبه شده در نقطه عطف منحنی رشد به ترتیب مربوط به جوجه‌های تغدیه شده با جیره شاهد و جیره حاوی پنج درصد پوسته برنج بود (05/0P>). تغذیه جوجه‌ها با جیره‌های حاوی پوسته برنج شاخص b مدل تابعیت اسپلاین را در مقایسه با گروه شاهد کاهش داد (05/0>P)، در حالی که شاخص c صرفا در جوجه‌های تغذیه شده با جیره حاوی 5/7 درضد پوسته برنج پایین‌تر از گروه شاهد بود (05/0>P). بر اساس نتایج حاصل، تابعیت اسپلاین برای بیش‏بینی وزن جوجه‏های گوشتی مصرف کننده پوسته برنج در سن 42 روزگی کارایی بیشتری از مدل‏های غیرخطی و شبکه عصبی مصنوعی دارد.}, keywords_fa = {پوسته برنج,پیش‌بینی نرخ رشد,جوجه گوشتی,کارایی مدل,وزن نهایی}, url = {https://jap.ut.ac.ir/article_59169.html}, eprint = {https://jap.ut.ac.ir/article_59169_76a508759f4df264179d893f22b5b71c.pdf} }