اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدمقارنة بين التنشئة الاصطناعية التقليدية للعجلات الرضيعة و التنشئة الاصطناعية باستخدام جهاز الإرضاع المبرمج
Comparative Efficiency of Using the Classical Artificial Way (Bucket) and the Programmed Nursing Machine* in Raising Calves
535
0 17
0
(
0
)
تأليف
صاموئيل موسى( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
هدف البحث إلى دراسة سلوك العجلات الرضيعة تجاه جهاز الإرضاع الآلي المبرمج ليصار إلى تطوير برمجته، بالإضافة إلى تنشئة عجلات بوزن جيد و سليمة صحيًا و بتكاليف مناسبة في مزارع الأبقار الحلوب الكبيرة.
No English abstract
المراجع المستخدمة
السبع، محمد مروان، ومحي المزيد. ١٩٨٢ . الجلسات العملية في أساسيات الإنتاج الحيواني، منشورات جامعة حلب، كلية الزراعة.
مصري، ياسين، وصاموئيل موسى، وجمال سكوتي. ١٩٩٢ . الحظائر والمباني الجزء النظري، منشورات جامعة دمشق، كلية الزراعة.
موسى، صاموئيل. ١٩٩٦ . الرضاعة الصناعية للعجول باستخدام الآلة الأوتوماتيكية. مجلة باسل الأسد لعلوم الهندسة الزراعية. العدد الثاني.
قيم البحث
اقرأ أيضاً
نُفّذ البحث في مركز الكريم لتحسين المراعي و تربية أغنام العواسي خلال موسم ولادات ١٩٩٨ على
٢٤ حملا من عرق العواسي، و لمدة ١١ أسبوعًا بعد ولادتها لاختبار فعالية استخدام آلة الرضاعة في
تنشئة حملان العواسي. قسمت الحملان عشوائيًا إلى مجموعتين متساويتي ا
لعدد (ن = ١٢ )، و متقاربتين
٣,١ يومًا من ولادتها، ± في متوسط العمر و الوزن، أُبعدت مجموعة حملان التجربة عن أمهاتها بعد ٧,٤
و خضعت لاختبار تنشئتها اصطناعيًا باستخدام آلة الرضاعة المبرمجة التي زودت بحليب بقري مجفف
كامل الدسم. في حين بقيت حملان الشاهد مع أمهاتها لتقوم بالرضاعة الطبيعية طوال فترة التنشئة.
يعتبر التبخر- نتح أحد المكونات الهامة في الدورة الهيدرولوجية، و تعد القدرة على
التنبؤ الدقيق بقيم هذه الظاهرة من العوامل الهامة في العديد من تطبيقات الموارد المائية.
تهدف هذه الدراسة إلى التنبؤ بقيم التبخر نتح المرجعي الشهري, باستخدام الشبكات العصبية الاصطناعية و نظام الاستدلال الضبابي.
تعتبر الأمطار من الظواهر غير الخطية المعقدة، و التي تتطلب النمذجة الرياضية غير الخطية لغرض
التنبؤ بها. هذه الدراسة تقارن أداء التنبؤ بالأمطار ليوم مقدماً، حيث وضعت اثنين من نماذج الشبكات
العصبونية (ذات التغذية الأمامية) للتنبؤ بأمطار يومية متتالية
لثلاثة أشهر (كانون الأول، كانون الثاني،
شباط) و هذه النماذج هي: نموذج الشبكات العصبية الاصطناعية التقليدية (ANN) و نموذج عصبوني
مع تقنية التحويل المويجي وفق (wavelet- neural) طريقتين مختلفتين لبناء النماذج و باستخدام
نوعين من المويجات من عائلة دوبغنز (db2, db5) و من أجل المقارنة بين أداء النماذج في قدرتها
على التنبؤ بالأمطار على المدى القصير (ليوم و يومين و ثلاثة أيام مقدماً) للأشهر الأخيرة من فترة
الدراسة، فقد استخدمت بعض المعايير الإحصائية، التي اشتملت على جذر متوسط مربعات الأخطاء
(RMSE) و معامل الارتباط (R).
تعد دراسة استقرار المنشآت البحرية من المواضيع الهامة جداً و ذلك لأنها تتضمن الأخذ بعين الاعتبار الكثير من البارامترات من أجل الوصول إلى التصميم الهندسي الآمن و الاقتصادي لمثل هذه المنشآت.
تتضمن الدراسة الحالية تقنية شبكة عصبية اصطناعية لتوقع عدد الا
ستقرار للمكاسر الركامية, حيث تم بناء شبكة عصبية اعتماداً على البارامترات المؤثرة على استقرار المكسر, و من ثم استخدمت خوارزمية الانتشار العكسي للخطأ في تدريب الشبكة.
تبين نتيجة الدراسة أن هناك ارتباطاً كبيراً بين القيم المحسوبة من الشبكة و القيم المأمولة (المحسوبة من علاقة van der meer) حيث بلغ معامل الارتباط 0.88.
التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات.
في هذه الورقة، أقترح نموذج الشبكات العصبي
َّة (ANNs) مع تحويل المويجات كأداة للتنبؤ بالأمطار الشّهرية بشكل متتالي بالاعتماد على البيانات السابقة لهطول الأمطار (1933-2009)، المأخوذة من محطة حمص للأرصاد الجوية. حيث تم تحليل السلسلة الزمنية للأمطار إلى معاملاتها التفصيلية و التقريبية على ثلاث مستويات باستخدام تحويل المويجات المتقطع (Discrete Wavelet Transform (DWT، و استخدمت الشَّبكة العصبيَّة أمامية التغذية مع خوارزمية الانتشار العكسي في عملية التعلم و التنبّؤ.
توصلت الدراسة إلى أن الشبكة العصبية WNN ذات الهيكلية (1-8-8-8-5)، قادرة على التنبؤ بالأمطار الشهرية في محطة حمص على المدى الطويل بمعامل تحديد وجذر متوسط مربعات الأخطاء (7.74mm,0.98) على الترتيب.
تقدم تقنية تحويل المويجات ميزة مفيدة قائمة على تحليل البيانات، مما يحسن من أداء النموذج، و تطبق هذه التقنية في نماذج الشبكات العصبية الاصطناعية للأمطار لأنها بسيطة، كما يمكن تطبيق هذه التقنية لنماذج أخرى.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
