Fitness of four different mathematical models to the lactation curve of Brown Swiss cows in Konya Province of Turkey
Notice bibliographique
Résumé
The aim of this study was to investigate the fitness of Incomplete Gamma (WD), Exponential (WIL), Mixed Log (MIL) and Polynomial Regression (AS) models to the lactation curve of Brown Swiss Cows. Data were collected from 143 Brown Swiss cows raised on the Alt?nova State Farm in Konya Province, Turkey. Milk yield was recorded monthly, and milk records were started at the third week of lactation (mean = 16.9 day, SD = 0.7). Total milk yields estimated by the four models were very close to real total milk yield. The models were found to be adequate for estimation of milk yield. The MIL model underestimated the peak yield significantly. The differences between peak yields of the models and real peak yields were not significant and ranged from 27.70 to 29.01 L. All models forecasted peak time earlier than real peak time. The differences for the persistency values of the four models were significant. The AS model's persistency value was nearly equal to the real persistency value (77.56 vs. 77.59%). R2 values of the models changed from 86.05 to 97.95%. The AS model gave the best R2 and the least MSPE values. Consequently, the AS model showed the best fit to the lactation data of Brown Swiss cows and allowed a suitable definition of the lactation curve.Key words: Brown Swiss, cows, lactation curve, milk yield, mathematical model
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».