Caracterización de sistemas de producción avícola de huevo mediante la implementación de modelos de predicción y clasificación

RESUMEN: Este estudio pretendió caracterizar y modelar las fases de crecimiento y producción de aves productoras de huevo comercial, por medio de la toma de información, medición, análisis de variables productivas y generación de modelos de predicción. Como resultados se presenta la evaluación de la...

Full description

Autores:: Galeano Vasco, Luis Fernando

Tipo de recurso:: Doctoral thesis

Fecha de publicación:: 2015

Institución:: Universidad de Antioquia

Repositorio:: Repositorio UdeA

Idioma:: spa

Description
Summary:	RESUMEN: Este estudio pretendió caracterizar y modelar las fases de crecimiento y producción de aves productoras de huevo comercial, por medio de la toma de información, medición, análisis de variables productivas y generación de modelos de predicción. Como resultados se presenta la evaluación de la capacidad para ajustar la curva de crecimiento de los modelos no lineales mixtos Von Bertalanffy, Richards, Gompertz, Brody, y Logístico. Como resultado, el modelo no lineal mixto que mejor ajustó la curva de crecimiento fue el de Gompertz, seguido por Richards y Von Bertalanffy. Para la modelación de la curva del crecimiento de aves de la línea Lohmann LSL en el capítulo 2, se compararon los modelos no lineal Von Bertalanffy (MNL), no lineal mixto Von Bertalanffy (MNLM) y redes neuronales artificiales (RNA). Se encontró que el modelo más preciso fue el MNLM, seguido por la RNA y en último lugar el MNL. Señalando a las RNA como alternativa en la modelación del crecimiento. Para el ajuste de la curva de producción de huevos se utilizaron los modelos Adams-Bell, Lokhorst y de distribución con retardo (Delay). Los modelos Delay y Lokhorst presentaron el mejor ajuste, siendo los más eficientes para predecir la curva de las estirpes probadas. Continuando con la definición del modelo para la curva de producción de huevos en el capítulo 4 se compararon el modelo perceptrón multicapa (redes neuronales artificiales (RNA)) y el modelo Lokhorst. Ambos modelos proporcionaron ajustes adecuados para la curva de producción, aunque por la facilidad de configuración y de ajuste se recomendó el uso de las RNA. En contraste a los modelos mencionados se utilizaron las redes neuronales recurrentes de Elman y Jordan, y el perceptrón multicapa (MLP) para construir un modelo de predicción de la curva de producción.

Caracterización de sistemas de producción avícola de huevo mediante la implementación de modelos de predicción y clasificación

Publicaciones similares