Redes neurais na predição de valores energéticos de alimentos para aves

Detalhes bibliográficos
Autor(a) principal: Mariano, Flávia Cristina Martins Queiroz
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/2944
Resumo: Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, Área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.
id UFLA_390d117ae102078628d4f79598f22145
oai_identifier_str oai:localhost:1/2944
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Redes neurais na predição de valores energéticos de alimentos para avesPrediction of the energy values of feedstuffs for broilers by using neural networksComitê de rede neuralEnergia metabolizávelIntervalo HPDPrediçãoPorcentagem de acertoHPD IntervalsMetabolizable energyNeural networks committeePredictionPercentage of successCNPQ_NÃO_INFORMADOTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, Área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Estatística e Experimentação AgropecuáriaNa formulação de rações equilibradas nutricionalmente é necessário um conhecimento preciso da composição química e dos valores energéticos dos alimentos. Este conteúdo energético pode ser determinado utilizando bioensaios, tabelas de composição nutricional, equações de predição baseadas na composição química dos alimentos e, recentemente, têm sido implementados modelos de redes neurais artificiais (ANN). Contudo, os trabalhos envolvendo ANN não consideraram incerteza nas predições, nem trabalharam com comitês de redes. Neste trabalho, inicialmente, foi proposta a implementação de um modelo de ANN para predição da energia metabolizável aparente corrigida pelo balanço de nitrogênio (EMAn) de alimentos para aves de corte. Com base nos resultados obtidos neste modelo de redes neurais, foi criada uma ferramenta de cálculo, permitindo que os nutricionistas de animais obtenham uma rápida e acurada predição de EMAn. Um comitê de redes neurais perceptron multicamadas (MLP), também, foi implementado para predizer a EMAn, com o objetivo principal de considerar incertezas nas predições deste comitê, considerando intervalos de credibilidade de máxima densidade de probabilidade (HPD) para os alimentos do conjunto de teste. Para comparar, em termos quantitativos, o modelo de comitê de redes com modelo de regressão linear múltipla, foi definida a porcentagem de acerto de predição, considerando os intervalos de predições determinados em cada modelo. Além disso, a acurácia de cada modelo selecionado foi avaliada com base em medidas de erro entre os valores observados e preditos. Dentre os modelos selecionados, o comitê de redes, em que 1000 redes foram combinadas pelo estimador da moda da distribuição empírica das predições, garantiu uma maior acurácia nas predições. Portanto, este comitê será disponibilizado para a predição da EMAn de alimentos concentrados energéticos e proteicos comumente utilizados na formulação de rações avícolas.The precise knowledge of chemical composition and food energy values is necessary to formulate nutritionally balanced rations.The energetic content may be determined using bioassays, nutritional composition tables and prediction equations based on food chemical composition. Recently, artificial neural network (ANN) models have been implemented to predict metabolizable energy of poultry feddstuffs. However, neither a committee of networks nor the uncertainties related to the predictions of the metabolizable energy were considered. In this work, an ANN model was implemented to predict the nitrogen-corrected apparent metabolizable energy values (AMEn) of feedstuffs for broilers. One Excel macro was created based on the results of the best ANN model, which allows an efficient way to predict the AMEn values. Another objective of this work was to quantify the uncertainty related to the predicted values of AMEn, considering Highest Probability Density (HPD) credibility intervals obtained by using a committee of neural networks. A test dataset, which was obtained from bioassays, was used to evaluate the percentage of correct predictions (PCP) of different feedstuffs. The PCP was used as quantitative criterion to compare the predictions obtained using the network committee and the multiple linear regression models. Furthermore, the accuracy of the models was evaluated based on their values of error measures between the observed and predicted values. The results of this study demonstrated that, the accuracy of the predicted values of AMEn by considering the mode of an empirical distribution, obtained from 1000 networks of a committee, was higher than that obtained by using the regression model. Thus, the network committee is recommended as the most accurate model to predict the AMEn values of the feedstuffs energetic concentrates used by the poultry feed industry.UNIVERSIDADE FEDERAL DE LAVRASDEX - Programa de Pós-graduaçãoUFLABRASILLima, Renato Ribeiro deSáfadi, ThelmaCarneiro, Antônio Policarpo SouzaMuniz, Joel AugustoRodrigues, Paulo BorgesLacerda, Wilian SoaresMariano, Flávia Cristina Martins Queiroz2014-08-19T15:14:42Z2014-08-19T15:14:42Z2014-08-192014-01-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfMARIANO, F. C. M. Q. Redes neurais na predição de valores energéticos de alimentos para aves. 2014. 128 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.http://repositorio.ufla.br/jspui/handle/1/2944info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2014-08-19T15:14:42Zoai:localhost:1/2944Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2014-08-19T15:14:42Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Redes neurais na predição de valores energéticos de alimentos para aves
Prediction of the energy values of feedstuffs for broilers by using neural networks
title Redes neurais na predição de valores energéticos de alimentos para aves
spellingShingle Redes neurais na predição de valores energéticos de alimentos para aves
Mariano, Flávia Cristina Martins Queiroz
Comitê de rede neural
Energia metabolizável
Intervalo HPD
Predição
Porcentagem de acerto
HPD Intervals
Metabolizable energy
Neural networks committee
Prediction
Percentage of success
CNPQ_NÃO_INFORMADO
title_short Redes neurais na predição de valores energéticos de alimentos para aves
title_full Redes neurais na predição de valores energéticos de alimentos para aves
title_fullStr Redes neurais na predição de valores energéticos de alimentos para aves
title_full_unstemmed Redes neurais na predição de valores energéticos de alimentos para aves
title_sort Redes neurais na predição de valores energéticos de alimentos para aves
author Mariano, Flávia Cristina Martins Queiroz
author_facet Mariano, Flávia Cristina Martins Queiroz
author_role author
dc.contributor.none.fl_str_mv Lima, Renato Ribeiro de
Sáfadi, Thelma
Carneiro, Antônio Policarpo Souza
Muniz, Joel Augusto
Rodrigues, Paulo Borges
Lacerda, Wilian Soares
dc.contributor.author.fl_str_mv Mariano, Flávia Cristina Martins Queiroz
dc.subject.por.fl_str_mv Comitê de rede neural
Energia metabolizável
Intervalo HPD
Predição
Porcentagem de acerto
HPD Intervals
Metabolizable energy
Neural networks committee
Prediction
Percentage of success
CNPQ_NÃO_INFORMADO
topic Comitê de rede neural
Energia metabolizável
Intervalo HPD
Predição
Porcentagem de acerto
HPD Intervals
Metabolizable energy
Neural networks committee
Prediction
Percentage of success
CNPQ_NÃO_INFORMADO
description Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, Área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.
publishDate 2014
dc.date.none.fl_str_mv 2014-08-19T15:14:42Z
2014-08-19T15:14:42Z
2014-08-19
2014-01-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MARIANO, F. C. M. Q. Redes neurais na predição de valores energéticos de alimentos para aves. 2014. 128 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.
http://repositorio.ufla.br/jspui/handle/1/2944
identifier_str_mv MARIANO, F. C. M. Q. Redes neurais na predição de valores energéticos de alimentos para aves. 2014. 128 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.
url http://repositorio.ufla.br/jspui/handle/1/2944
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DEX - Programa de Pós-graduação
UFLA
BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DEX - Programa de Pós-graduação
UFLA
BRASIL
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1807835052163203072

Registros relacionados