Pronóstico de la curva de producción de huevos con redes neuronales

• Galeano-Vasco, L. ^[1] ; Galvan, I.M. ^[2] ; Aler, R. ^[2] ; Cerón Muñoz, M.F. ^[1]
  1. [1] Universidad de Antioquia

     Universidad de Antioquia

     Colombia

     
  2. [2] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
• Localización: Archivos de zootecnia, ISSN-e 1885-4494, ISSN 0004-0592, Vol. 67, Nº. 257, 2018, págs. 81-86
• Idioma: español
• DOI: 10.21071/az.v67i257.3390
• Títulos paralelos:
  • Forecasting egg production curve with neural networks
• Enlaces
  • Texto completo
• Resumen
  • español

    La comparación entre la curva de producción real del huevo y la gráfica propuesta por las pautas de gestión, tiene como objetivo la evaluación continua del rendimiento. Los objetivos de este estudio fueron comparar la capacidad de la curva de ajuste de la producción diaria de huevo de Lokjorst (LM), la red neuronal del perceptrón multicapa (MP) y las redes neuronales recurrantes de Jordania y Elman (RNNJ y RNNE, respectivamente) para la predicción del huevo diario producción en gallinas ponedoras comerciales. Los modelos se instalaron utilizando 4650 datos de 12 lotes seleccionados. Los modelos MP y LM dieron un buen ajuste a los datos, con valores de correlación superiores a 0,95 y que representan más del 95% de la variabilidad en la producción diaria de óvulos. Para el pronóstico de producción, MP fue una técnica con una precisión aceptable y menos variación. El modelo MP se recomienda como herramienta de ajuste y previsión de la curva diaria de producción de huevos en gallinas comerciales.

  • English

    The comparison between the real egg production curve and the graph proposed by management guidelines, aims towards continuous performance evaluation. The objectives of this study was to compare the capacity of curve fitting daily egg production of Lokhorst (LM), neural network multilayer perceptron (MP) and Jordan and Elman recurrent neural network (RNNJ and RNNE, respectively) for the prediction of the daily egg production in commercial laying hens. The models were fitted using 4650 data from 12 selected batches. The MP and LM models gave good fitting to the data, with correlation values greater than 0.95 and accounting for more than 95% of the variability in daily egg production. For the production forecast, MP was a technique with acceptable accuracy and less variation. The MP model can be recommended as a tool for fit and forecast of daily egg production curve in commercial hens.