Implementación en el campo de modelos de pronóstico para predecir la mortalidad en viveros en un sistema de producción porcina del medio oeste de EE. UU
Autores: Magalhaes, Edison S.; Zhang, Danyang; Wang, Chong; Thomas, Pete; Moura, Cesar A. A.; Holtkamp, Derald J.; Trevisan, Giovani; Rademacher, Christopher; Silva, Gustavo S.; Linhares, Daniel C. L.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Implementación en el campo de modelos de pronóstico para predecir la mortalidad en viveros en un sistema de producción porcina del medio oeste de EE. UU
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Modelos de pronóstico
Mortalidad en viveros
Máquina de Vectores de Soporte
Error Cuadrático Medio
Error Absoluto Medio
Coeficiente de Determinación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Se investigó el rendimiento de cinco modelos de pronóstico para predecir la mortalidad en viveros utilizando la tabla maestra construida para 3242 grupos de cerdos (~13 millones de animales) y 42 variables, que concernían a la fase de pre-destete de la producción y las condiciones en el momento de la colocación en los sitios de crecimiento. Después de entrenar y probar el rendimiento de cada modelo a través de la validación cruzada, el modelo con los mejores resultados de predicción en general fue el modelo de Máquina de Vectores de Soporte en términos de Error Cuadrático Medio (RMSE = 0.406), Error Absoluto Medio (MAE = 0.284) y Coeficiente de Determinación (R = 0.731). Posteriormente, se probó el rendimiento de pronóstico del modelo SVM en un nuevo conjunto de datos que contenía 72 nuevos grupos, simulando un análisis de pronóstico en tiempo real y continuo. A pesar de una disminución en los valores de R en el nuevo conjunto de datos (R = 0.554), el modelo demostró una alta precisión (77.78%) para predecir grupos con alta (>5%) o baja (
Descripción
Se investigó el rendimiento de cinco modelos de pronóstico para predecir la mortalidad en viveros utilizando la tabla maestra construida para 3242 grupos de cerdos (~13 millones de animales) y 42 variables, que concernían a la fase de pre-destete de la producción y las condiciones en el momento de la colocación en los sitios de crecimiento. Después de entrenar y probar el rendimiento de cada modelo a través de la validación cruzada, el modelo con los mejores resultados de predicción en general fue el modelo de Máquina de Vectores de Soporte en términos de Error Cuadrático Medio (RMSE = 0.406), Error Absoluto Medio (MAE = 0.284) y Coeficiente de Determinación (R = 0.731). Posteriormente, se probó el rendimiento de pronóstico del modelo SVM en un nuevo conjunto de datos que contenía 72 nuevos grupos, simulando un análisis de pronóstico en tiempo real y continuo. A pesar de una disminución en los valores de R en el nuevo conjunto de datos (R = 0.554), el modelo demostró una alta precisión (77.78%) para predecir grupos con alta (>5%) o baja (