Desenvolvimento de uma rede neuro-fuzzy para predição da temperatura retal de frangos de corte

The goal of this work was to develop and validate a neuro-fuzzy intelligent system (LOLIMOT) for rectal temperature prediction of broiler chickens. The neuro-fuzzy network was developed using SCILAB 4.1, on the ground of three Departamento de Engenharia, Universidade Federal de Lavras (UFLA), Caixa Postal 3037, Lavras/MG, Brasil le.ferreira@gmail.com yanagi@deg.ufla.br alisonzille@gmail.com Desenvolvimento de uma rede neuro-fuzzy para predição da temperatura retal de frangos de corte 222 RITA • Volume 17 • Número 2 • 2010 input variables: air temperature, relative humidity and air velocity. The output variable was rectal temperature. Experimental results, used for validation, showed that the average standard deviation between simulated and measured values of RT was 0.11 °C. The neuro-fuzzy system presents as a satisfactory hybrid intelligent system for rectal temperature prediction of broiler chickens, which adds fuzzy logic features based on the fuzzy sets theory to artificial neural networks.

[1]  Lefteri H. Tsoukalas,et al.  Fuzzy and neural approaches in engineering , 1997 .

[2]  Mauricio Fernandes Figueiredo.  Redes neurais nebulosas aplicadas em problemas de modelagem e controle autonomo , 1997 .

[3]  Siegfried Gottwald,et al.  Fuzzy Sets and Fuzzy Logic , 1993 .

[4]  Jyh-Shing Roger Jang,et al.  ANFIS: adaptive-network-based fuzzy inference system , 1993, IEEE Trans. Syst. Man Cybern..

[5]  J. Mendel.  Fuzzy logic systems for engineering: a tutorial , 1995, Proc. IEEE.

[6]  D. Fielding.  Environmental management in animal agriculture , 1985, Tropical Animal Health and Production.

[7]  Kelly Botigeli Sevegnani,et al.  Avaliação dos efeitos fisiologicos causados pela ventilação artificial em frangos de corte, em dispositivos de simulação climatica , 2000 .

[8]  Leonardo Schiassi,et al.  METODOLOGIA FUZZY APLICADA À AVALIAÇÃO DO AUMENTO DA TEMPERATURA CORPORAL EM FRANGOS DE CORTE , 2008 .

[9]  Cristiane Ferreira Prazeres Marchini,et al.  FREQÜÊNCIA RESPIRATÓRIA E TEMPERATURA CLOACAL EM FRANGOS DE CORTE SUBMETIDOS À TEMPERATURA AMBIENTE CÍCLICA ELEVADA , 2007 .

[10]  B. Souza,et al.  Efeito do nível energético e da suplementação com cloretos de potássio e de amônia na dieta sobre as respostas fisiológicas e o desempenho de frangos de corte no verão , 2005 .

[11]  O. Nelles.  Nonlinear System Identification: From Classical Approaches to Neural Networks and Fuzzy Models , 2000 .

[12]  Bogdan M. Wilamowski,et al.  Neural Networks or Fuzzy Systems , 2009 .

[13]  O. Nelles,et al.  Basis function networks for interpolation of local linear models , 1996, Proceedings of 35th IEEE Conference on Decision and Control.

[14]  Ivan Torres Pisa,et al.  Aplicação de Redes Neurais Artificiais na Classificação de Padrões Posturais em Crianças Respiradoras Bucais e Nasais , 2007, RITA.

[15]  Robert Fullér,et al.  Introduction to neuro-fuzzy systems , 1999, Advances in soft computing.

[16]  Neli Regina de Siqueira Ortega,et al.  Aplicacao da Teoria de Conjuntos Fuzzy a Problemas da Biomedicina , 2001 .

[17]  Dimitar P. Filev,et al.  Fuzzy SETS AND FUZZY LOGIC , 1996 .

[18]  J. Tanny,et al.  Ventilation, sensible heat loss, broiler energy, and water balance under harsh environmental conditions. , 2004, Poultry science.

[19]  Irenilza de Alencar Nääs,et al.  Development of Algorithm Using Fuzzy Logic to Predict Estrus in Dairy Cows: Part I , 2007 .