Enhancement of Intelligent Prediction Model for Milk Production
| dc.contributor.author | Rawan Majdi Abd AL-Kader Hijazi | |
| dc.contributor.author | روان مجدي عبد القادر حجازي | |
| dc.date.accessioned | 2022-10-10T10:27:13Z | |
| dc.date.available | 2022-10-10T10:27:13Z | |
| dc.date.issued | 2022-05-25 | |
| dc.description.abstract | Abstract Enhancement prediction model in data mining field is one of challenges in Development stepand measurement Accuracy Ratio For high quality and measurable results in these tools examined in accuracy ratio are three algorithms, namely:Artificial Neural Network (ANN), Random Forest Tree(RF), and Auto RegresiveIntegratedMovingAverage(ARIMA). As these algorithms were used to predict the amount of milk production in the cow farm in the Arab Development Society, a sample of 20 cows was taken out of 300 samples in order to check the accuracy we consider all have good health and same feed. However, there are many factors that limit the accuracy of using predicting techniques, such as the age of the cow, temperature, health status and the number of births, which affects the accuracy of sampling. improving data collection methods and the development of computerized systems based on the storage method and prediction of future results allow greater accuracy and efficiency than traditional storage methods. Despite the availability of many computerized systems and advanced data storage methods and methods, there are still errors in applications using programs and models. Predicting of cow milk production quantities for cows' milk, as these systems are high cost are still in experimental stages and have not been applied in the final project. Previous studies discussed the main effect of production quantity for cow's milk, and the system implemented the above-mentioned three algorithms to measure the prediction ratio in the optimization model for accuracy. It was evaluated on a sample of cows for 20 cows with high accuracy of the system through 273 simulation procedures for sampling from cows, and the highest accuracy percentage was shown by the artificial neural network (ANN) method, then ARIMA ,at least the random forest method (RF), which is less accurate among the results. For future plans, we will use the first plan to improve the main interfaces in the program in line with each user, as it is easier for users to work faster and easier. In the second aspect, we will modify the environment of work in general. We will also allow searching for cows by adding information about them via smart tag panels. Which in turn will identify the cow by its tag number. As the main components such as sensors and software are ready which in turn is enough to develop this aspect of the work تحسين نموذج التنبؤ الذكي لإنتاج الحليب إعداد:روان مجدي عبد القادر حجازي إشراف: د.رشيد جيوسي الملخص يعد استخدام تقنيات التنبؤ المختلفة في التشخيص وقياس نسبة دقة الأداء للحصول على نتائج افضل ونماذج ذات جودة ودقة عالية وقابلة للقياس حيث ان هذه الأدوات التي تم استخدامها لقياس نسبة الدقة هي ثلاث خوارزميات الا وهي: الشبكة العصبية الاصطناعية والغابة العشوائية ومتوسط متحرك متكامل ذاتي الانحدار. حيث ان هذه الخوارزميات تم استخدامها لتنبؤ كمية انتاج الحليب في مزرعة الابقارفي جمعية المشروع الانشائي وتم اخد عينة مكونه من 20 بقرة سجل من اصل 400 عينه من اجل فحص نسبة الدقة. الا ان هنالك عوامل كثيرة تحد من الدقة في استخدام تقنيات التنبؤ مثل عمر البقرة ودرجة الحرارة والحالة الصحية وعدد المواليد مما يؤثر على نسبة الدقة في اخذ العينات حيث ان في تجربتنا كانت الحالة الصحية ثابتة لجميع العينة ونوعية الطعام كذلك . يتيح التقدم في طرق جمع البيانات وتطوير الانظمة المحوسبة المعتمدة على طريقة التخزين والتنبؤ بالنتائج المستقبلية دقة وفعالية أعلى من الطرق التخزين التقليدية. على الرغم من توفر العديد من الانظمة ا لمحوسبة وأساليب وطرق تخزين البيانات المتقدمة، إلا أنه ما زال يوجد أخطاء في تطبيقات استخدام برامج ونماذج التنبؤ بكميات الإنتاج لحليب الابقار ، كما أن هذه الانظمة عالية التكلفة و تعالج كافة العوامل المسببة لهذه الاخطاء وما زالت في مراحل تجريبية ولم يتم تطبيقها في المشروع الانشائي. ناقشت الدراسات السابقة التأثير الرئيسي لكمية الإنتاج لحليب الابقار، ونفذ النظام الخوارزميات الثلاث المذكورة أعلاه لقياس نسبة التنبؤ في نموذج التحسين للدقة. وتم تقييمه على عينة من الابقار ل 20 بقرة مع دقة عالية للنظام من خلال محاكاة لأخذ عينات من الابقار، وأظهرت نسبة الدقة الأعلى لطريقة الشبكة العصبية الاصطناعية ثم طريقة متوسط متحرك متكامل ذاتي الانحدار ثم طريقة الغابة العشوائية التي هي اقل دقة من بين النتائج. ومن الخطط المستقبلية سنستخدم الخطة الأولى لتحسين الواجهات الرئيسية في البرنامج بما يتماشى مع كل مستخدم حيث يسهل على المستخدمين العمل بشكل أسرع وأسهل في الجانب الثاني، سنقوم بتعديل هيئة العمل بشكل عام، كما سنسمح بالبحث عن الأبقار أو إضافة معلومات عنها بواسطة لوحات العلامات الذكية. والذي بدوره سيحدد البقرة من خلال رقمها الذكي. حيث أن المكونات الرئيسية مثل أجهزة الاستشعار والبرمجيات جاهزة وهذا بدوره كافي لتطوير هذا الجانب من العمل | |
| dc.identifier.uri | https://dspace.alquds.edu/handle/20.500.12213/6686 | |
| dc.language.iso | en | |
| dc.publisher | Al-Quds University | |
| dc.subject | Milk Production, Intelligent Prediction Model | |
| dc.title | Enhancement of Intelligent Prediction Model for Milk Production | |
| dc.title.alternative | تحسين نموذج التنبؤ الذكي لإنتاج الحليب | |
| dc.type | Thesis |