Modelling the lactation curve of dairy cows using the differentials of growth functions
Notice bibliographique
Résumé
SUMMARY Descriptions of entire lactations were investigated using six mathematical equations, comprising the differentials of four growth functions (logistic, Gompertz, Schumacher and Morgan) and two other equations (Wood and Dijkstra). The data contained monthly milk yield records from 70 first, 70 second and 75 third parity Iranian Holstein cows. Indicators of fit were model behaviour, statistical evaluation and biologically meaningful parameter estimates and lactation features. Analysis of variance with equation, parity and their interaction as factors and with cows as replicates was performed to compare goodness of fit of the equations. The interaction of equation and parity was not significant for any statistics, which showed that there was no tendency for one equation to fit a given parity better than other equations. Although model behaviour analysis showed better performance of growth functions than the Wood and Dijkstra equations in fitting the individual lactation curves, statistical evaluation revealed that there was no significant difference between the goodness of fit of the different equations. Evaluation of lactation features showed that the Dijkstra equation was able to estimate the initial milk yield and peak yield more accurately than the other equations. Overall evaluation of the different equations demonstrated the potential of the differentials of simple empirical growth functions used in the current study as equations for fitting monthly milk records of Holstein dairy cattle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».