Fuzzy modeling of broiler performance, raised from 1 to 21 days, subject to heat stress

Given the need to obtain systems to better control broiler production environment, we performed an experiment with broilers from 1 to 21 days, which were submitted to different intensities and air temperature durations in conditioned wind tunnels and the results were used for validation of afuzzy model. The model was developed using as input variables: duration of heat stress (days), dry bulb air temperature (°C) and as output variable: feed intake (g) weight gain (g) and feed conversion (g.g-1). The inference method used was Mamdani, 20 rules have been prepared and the defuzzification technique used was the Center of Gravity. A satisfactory efficiency in determining productive responses is evidenced in the results obtained in the model simulation, when compared with the experimental data, where R2 values ​​calculated for feed intake, weight gain and feed conversion were 0.998, 0.981 and 0.980, respectively.

[1]  Tadayuki Yanagi Junior,et al.  Desenvolvimento de uma rede neuro-fuzzy para predição da temperatura retal de frangos de corte , 2011, RITA.

[2]  Ilda de Fátima Ferreira Tinôco,et al.  Thermal environment and gas concentrations in poultry houses during heating , 2009 .

[3]  José Galindo,et al.  FUZZY CONTROL IN AGRICULTURE: SIMULATION SOFTWARE , 2004 .

[4]  Renato Ribeiro de Lima,et al.  Caracterização espacial do ambiente termoacústico e de iluminância em galpão comercial para criação de frangos de corte , 2011 .

[5]  V. Moraes,et al.  Desempenho de frangos de corte de 1 a 21 dias de idade alimentados com rações contendo extrato de leveduras e prebiótico e criados em diferentes temperaturas , 2009 .

[6]  J. D. May,et al.  The effect of environmental temperature on growth and feed conversion of broilers to 21 days of age. , 2000, Poultry science.

[7]  Flávio Vasconcelos da Silva,et al.  Desenvolvimento e aplicação experimental de controladores fuzzy e convencional em um bioprocesso , 2010 .

[8]  O AborisadeDavid,et al.  Poultry House Temperature Control Using Fuzzy-PID Controller , 2014 .

[9]  Tadayuki Yanagi Junior,et al.  Prediction of free-stall occupancy rate in dairycattle barns through fuzzy sets , 2013 .

[10]  E. C. Guimarães,et al.  Morfometria da mucosa duodenal em frangos de corte submetidos à temperatura ambiente cíclica elevada , 2009 .

[11]  Angelo Cataneo,et al.  METODOLOGIA DE DETERMINAÇÃO DE FUNÇÕES DE PERTINÊNCIA DE CONTROLA-DORES FUZZY PARA A AVALIAÇÃO ENERGÉTICA DE EMPRESAS DE AVICULTURA DE POSTURA , 2010 .

[12]  Alessandro Torres Campos,et al.  SISTEMA FUZZY PARA PREDIÇÃO DO DESEMPENHO PRODUTIVO DE FRANGOS DE CORTE DE 1 A 21 DIAS DE IDADE , 2012 .

[13]  I. L. Tomazelli,et al.  Medidas morfológicas em função do peso e da idade da ave, por meio de imagens , 2012 .

[14]  Baoming Li,et al.  A fuzzy mathematical method to evaluate the suitability of an evaporative pad cooling system for poultry houses in China , 2008 .

[15]  Uzay Kaymak,et al.  Elicitation of expert knowledge for fuzzy evaluation of agricultural production systems , 2003 .

[16]  Stanley E. Curtis,et al.  Environmental Management in Animal Agriculture , 1983 .

[17]  Mahmoud Omid,et al.  Comparison of fuzzy and on/off controllers for winter season indoor climate management in a model poultry house , 2015, Comput. Electron. Agric..

[18]  Ivan Nunes da Silva,et al.  Inferência fuzzy para o problema de corte de estoque com sobras aproveitáveis de material , 2011 .

[19]  Alessandro Torres Campos,et al.  Procedimento fuzzy aplicado à avaliação da insalubridade em atividades agrícolas , 2012 .

[20]  O. U. Oparaku,et al.  Fuzzy Logic System for Fetal Heart Rate Determination , 2015 .

[21]  Iran José Oliveira da Silva,et al.  Transporte de frangos: caracterização do microclima na carga durante o inverno , 2009 .