چکيده

یکی از صفات اقتصادی مهم در گوسفند، روند افزایش وزن می باشد. برای افزایش دقت ارزیابی ارزش اصلاحی حیوانات از اطلاعات فنوتیپی و توزیع مارکری در ژنوم آنها ، بطور توام استفاده می شود. دقت ،ارزش اصلاحی تخمین زده شده با کمک مارکرها (MEBV)، وابسته به وراثت پذیری صفت، تعداد رکوردهای فنوتیپی و روش محاسبه اثر مارکرها بر صفت می باشد بعبارتی دیگری مهمترین فاکتور برای ارزیابی حیوانات ، رکوردهای فنوتیپی جمع آوری شده می باشند.در این مطالعه ازشبکه های عصبی مصنوعی (ANN) برای تصحیح وزن 120 روزگی از رکوردهای 188راس بره، حاصل از تلاقی گوسفندان رامنی با افشاری ،استفاده گردید. شبکه های عصبی مصنوعی بعنوان جایگزین روشهای آنالیز رگرسیونی برای مدل کردن روند های رشد بیو لوژیک پیشنهاد گردیده است. در این مطالعه روش ANN با دیگر روشهای رگرسیونی شامل 1- متوسط رشد روزانه( رگرسیون انفرادی برای هر بره) 2- رگرسیون خطی ساده( برای مجموع بره های گله) 3- رگرسیون خطی چند متغییره 4- معادلات درجه 2 ، که تا کنون برای انجام این پیش بینی ها مورد استفاده قرار می گرفته اند مورد مقایسه قرار گرفته است.نتایج حاصل بوسیله مقایسه مقدار متوسط مربعات خطای حاصل بین داده های تخمین زده شده و داده های واقعی، مورد ارزیابی قرار گرفت ونهایتا روش ANN با داشتن کمترین میزان متوسط مربعات خطا ، بعنوان دقیقترین روش مشخص گردید.