Varios modelos matemáticos o estadísticos y de inteligencia artificial se han desarrollado para comparar los pronósticos de producción de huevos en ponedoras comerciales. Los datos iniciales de estos modelos se obtuvieron de un estudio comparativo de una ponedora sobre razas comerciales llevados a cabo en las Granjas de Investigación Avícola de la Universidad de Auburn, EUA.
Este es un artículo realizado por el Dr. Ahmad y publicado en el Journal of Applied Poultry Research, bajo el título “Pronóstico para la producción de huevos: Determinando propuestas de modelos eficientes”.
Datos simulados fueron producidos para representar nuevos escenarios usando el promedio y la desviación estándar, SD, de la producción de huevos de las 22 razas comerciales. A partir de los datos simulados, ejemplos escogidos al azar se generaron para la formación de redes neuronales y las pruebas para la predicción de la producción de huevos semanales desde las 22 a 36 semanas.
Tres arquitecturas de red neural -retropropagación-3, Ward-5, y redes neuronales de regresión general -fueron comparados por su eficiencia para predecir la producción de huevos, junto con otros modelos tradicionales.
La red neuronal de regresión general, dio la recta de mejor ajuste, que casi se superponen con los datos de producción comercial de huevos, con un R2 de 0.71. La curva predictiva de la red neuronal de regresión general fue comparada con los datos originales de producción de huevos, las curvas promedio de las razas de cáscara blanca y marrón, las predicciones de regresión lineal y el modelo no lineal de Gompertz.
La red neuronal de regresión general fue superior en todas estas comparaciones y puede ser el modelo a elección si la sobreestimación inicial es manejada eficientemente.
En general, los modelos de redes neuronales son eficientes, son fáciles de usar, requieren menos datos, y son prácticas para pronosticar la producción de huevos bajo las condiciones de manejo de grajas.
