Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/36644
Tipo: | Dissertação |
Título: | Modelos não-lineares para ajuste de curvas de lactação de vacas gir leiteiro |
Autor(es): | Silva, Rafael Rodrigues da |
Orientador: | Silva, Luciano Pinheiro da |
Palavras-chave: | Gir Leiteiro;Primeira lactação;Modelos não lineares |
Data do documento: | 2018 |
Citação: | SILVA, Rafael Rodrigues da. Modelos não-lineares para ajuste de curvas de lactação de vacas gir leiteiro. 2018. 31 f. Dissertação (Dissertação em Zootecnia) – Universidade Federal do Ceará, Fortaleza, 2018. |
Resumo: | As informações obtidas da variação na produção de leite durante a lactação dão origem a curva de lactação. Um dos aspectos dessa curva é a maneira que a produção de leite cai após o alcance do pico, que em bovinos leiteiros ocorre por volta dos 45 dias, isso determina se a lactação de um animal é persistente. Objetivou-se ajustar a curva de lactação de vacas primíparas da raça Gir Leiteiro. O arquivo utilizado na avaliação foi fornecido pela ABCZ e continha 125.992 registros do dia do controle de 16.646 vacas, de 1971 a 2016. Cinco modelos não lineares foram avaliados: Wood, Monofásico, Difásico, Modelo de Persistência de Lactação (LPM) e Modelo de Persistência de Lactação Reduzido (LRPM). Os modelos foram ajustados aos dados utilizando-se o método iterativo de Gauss-Newton, pelo procedimento NLIN do programa SAS. Os critérios utilizados para a determinação do melhor modelo foram Critério de Informação Akaike (AIC); Critério de Informação Bayesiano (BIC); Quadrado Médio do Erro (QME); Coeficiente de determinação Ajustado (R²Aj); Critério de Durbin-Watson (DW) e porcentagem de convergência (%C). A persistência, o pico de produção e o tempo de pico foram calculados de acordo com as funções descritas para cada modelo. Dentre os cinco modelos ajustados, o modelo de Wood foi o que apresentou menores valores de AIC (29,55391), BIC (29,39164) e QME (1,3895), além de maior R² ajustado (0,66) e maior porcentagem de convergência (0,99). O modelo de Wood foi o que apresentou melhor ajuste para representação da curva da primeira lactação de vacas Gir Leiteiro. |
Abstract: | The information obtained from the variation in milk production during lactation are used to make the lactation curve. One aspect of this curve is how the milk yield falls after reaching the peak, which in dairy cattle happens around 45 days after calving, and that determines if an animal is persistent. The objective was to adjust the lactation curve of first order lactations of dairy Gir cows. The file used in the evaluation was provided by ABCZ and contained 125,992 records of the test-day yield of 16,646 cows from 1971 to 2016. Five nonlinear models were evaluated, Wood, Monophasic, Biphasic, Lactation Persistence Model (LPM) and Reduced Lactation Persistence Model (RLPM). Models were adjusted to the data using the iterative method of Gauss-Newton, by the NLIN procedure of the SAS program. The criteria used to determine the best model were the Akaike Information Criterion (AIC); Bayesian Information Criterion (BIC); Mean Square Error (MSE); Adjusted coefficient of determination (R²Aj); Durbin-Watson criterion (DW) and percentage of convergence (% C). The persistence, peak production and peak time were calculated according to the functions described for each model. Among the five adjusted models, the Wood model presented the lowest AIC (29.55391), BIC (29.39164) and MSE (1.3895), as well as the highest adjusted R² (0.66) and percentage of convergence (0.99). The Wood model presented the best goodness of fit for the curve of the first lactation of dairy Gir cows. |
URI: | http://www.repositorio.ufc.br/handle/riufc/36644 |
Aparece nas coleções: | PPGZO - Dissertações defendidas na UFC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2018_dis_rrsilva.pdf | 945,77 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.