Kontrol günü süt verimlerinin zaman serisi yöntemi ile modellenmesi

Bu çalışmanın amacı kontrol günü süt verimlerinin zaman serisi yöntemi ile modellenmesi ve en isabetli öngörüleri sağlayan kontrol günü sayısının belirlenmesidir. Bu amaçla 1070 süt sığırına ait 10700 kontrol günü kaydı kullanılmıştır. Veri seti her birinde 5350 kayıt bulunan iki guruba ayrılmıştır. Bu gruplardan biri model parametrelerini tahmin amacı ile, diğeri ise modelin öngörü başarısını değerlendirmek ve en isabetli öngörüleri sağlayan kontrol günü sayısını belirlemek amacı ile kullanılmıştır. Çalışma sonucunda ARIMA(2,0,0)(1,1,1)10 modeli uygun model olarak belirlenmiş ve öngörü değerleri bu model kullanılarak elde edilmiştir. Söz konusu modelin tahmin edilen parametre değerleri ile gösterimi (1-B10)1yt = [(1-0.99129B10)/(1-0.36889B-0.06934B2)(1-0.08352B10)]at şeklindedir. Gerçek değerler ile öngörü değerleri arasında yüksek ve istatistiksel olarak anlamlı korelasyonlar saptanmıştır. Sonuçlar zaman serisi yaklaşımının süt veriminin öngörüsünde kullanışlı olabileceğini ortaya koymaktadır.

Modeling the test day milk yields via time series method

The aim of this study is to model the test day milk yields via time series methodology and to determine the number of test days which provide the most accurate forecasts. For this purpose, 10700 test day records belonging to 1070 dairy cattle were used. Data were divided into two groups of 5350 records in each. One set of observations was used to model parameters, while the remaining was used for evaluating the forecast power of the model and for determining the number of test day records which provide the most accurate forecasts. ARIMA(2,0,0)(1,1,1)10 model was determined to be suitable and it was used to obtain the forecast values. The expression of the model using estimated parameter values is (1-B10)1yt = [(1-0.99129B10)/(1-0.36889B-0.06934B2)(1-0.08352B10)]at. Statistically significant and high correlations were determined between the actual and forecast values. The results indicated that the time series approach can be useful for prediction of milk yields.

PDF

___

1. Grossman M, Kuck AL, Norton HW: Lactation curves of purebred and crossbred dairy cattle. J Dairy Sci, 69 (1): 195-203, 1986.
2. Deluyker HA, Shumway RH, Wecker WE, Azari AS, Weaver LD: Modeling daily milk yield in Holstein cows using time series analysis. J Dairy Sci, 73, 539-548, 1990.
3. Goodall EA, Sprevak D: A Note on stochastic model to describe the milk yield of a dairy cow. Anim Prod, 38, 133-136, 1984.
4. Chatfield C: Time Series Forecasting, CRC Press LLC, NW, 2000.
5. Kellogg DW, Urquhart NS, Ortega AJ: Estimating Holstein lactation curves with a gamma curve. J Dairy Sci, 60, 1308-1315, 1977.
6. Keskin İ, Çilek S, İlhan F: Polatlı Tarım İşletmesinde yetiştirilen Siyah Alaca sığırların laktasyon eğrisi özellikleri. Kafkas Univ Vet Fak Derg, 15 (3): 437-442, 2009.
7. Druet T, Jaffrezic F, Boichard D, Ducrocq V: Modeling lactation curves and estimation of genetic parameters for first lactation test-day records of French Holstein cows. J Dairy Sci, 86, 2480-2490, 2003.
8. Sherchand L, McNew RW, Kellogg DW, Johnson ZB: Selection of a mathematical model to generate lactation curves using daily milk yields of Holstein cows. J Dairy Sci, 78, 2507-2513, 1995.
9. Macciotta NPP, Cappio-Borlino A, Pulina G: Time series autoregressive integrated moving average modeling of test-day milk yields of dairy ewes. J Dairy Sci, 83, 1094-1103, 2000.
10. Van der Werf J: Random Regression in Animal Breeding (Course Notes). Jaboticabal, SP Brazil, November, 2001.
11. Macciotta NPP, Vicario D, Pulina G, Cappio-Borlino A: Test day and lactation yield predictions in Italian Simmental cows by ARMA methods. J Dairy Sci, 85, 3107-3114, 2002.
12. Box GEP, Jenkins GM: Time Series Analysis: Forecasting and Control (Revised Edition), Holden-Day, USA, 1976.
13. Akgül I: Geleneksel Zaman Serisi Yöntemleri. 1. Baskı, Der Yayınları, İstanbul, 2003.
14. Akgül I: Zaman Serilerinin Analizi ve ARIMA Modelleri. 1. Baskı, Der Yayınları, İstanbul, 2003.
15. Yaffee R, McGee M: Introduction to Time Series Analysis and Forecasting with Applications of SAS and SPSS. Academic Press, NY, 2000.
16. SAS Institute Inc.: SAS/STAT Users Guide, Version 9.2, 2009.