Redes neuronales artificiales para la predicción de la masa corporal de pollos

espanolDentro de un galpon avicola el ambiente termico ejerce una gran influencia en el bienestar y la productividad de los animales. De esta manera, el proposito de este trabajo fue predecir la masa corporal de polluelos de 2 a 21 dias de vida, sujetos a condiciones de confort y estres calorico en diferentes intensidades (27; 30; 33 y 36 °C) y periodos de duracion (1; 2; 3 y 4 dias a partir del 2o dia de vida) a traves de redes neuronales artificiales (RNA). El experimento se llevo a cabo en Lavras, MG, Brasil. 210 pollitos de ambos sexos se utilizaron del 1 al 22 dia de vida alojados en cuatro tuneles de viento climatizados. Todos los dias, todos los polluelos fueron pesados para acompanar su masa corporal. Las variables de entrada fueron: temperatura de bulbo seco del aire, duracion del estres termico, edad de las aves y como variable de salida, la masa corporal diaria de los pollitos. Se obtuvo una base de datos de 840 observaciones, siendo 70% utilizado para el entrenamiento de la red, un 15% para la validacion y un 15% para pruebas de modelos basados en RNA. Se demostro que las RNAs eran precisas para predecir la masa corporal de los pollitos sometidos a diferentes intensidades y duraciones de condiciones termicas presentando un R² de 0,9992 y error estandar de 5,23 G. Ademas, las RNAs propiciaron la simulacion de varios escenarios, que pueden ayudar en la toma de decisiones con relacion a la gestion, y pueden ser incorporados a los sistemas de control de calefaccion EnglishThe thermal environment inside a broiler house has a great influence on animal welfare and productivity during the production phase. Thus, the aim of this study was to predict body mass of chicks from 2 to 21 days of age when subjected to different intensities (27, 30, 33 and 36°C) and duration (1, 2, 3 and 4 days starting on the second day of life) using artificial neural networks (ANN). This experiment was conducted at Lavras, MG, Brazil. It was used 210 chicks of both sexes, from 1st to 22nd days of life. The chicks were raised inside four climate-controlled wind tunnels. Daily the weight of all the chicks was measured to know the daily body masses. The input variables were dry-bulb air temperature, duration of thermal stress, chick age, and the output variable was the daily body mass of chicks. A database containing 840 records was used to train (70% of data), validate (15%) and test (15%) of models based on artificial neural networks (ANN). Between these models, the ANN was accurate in predicting the BM of chicks from 2 to 21 days of age after they were subjected to the input variables, and it had an R² of 0.9992 and a standard error of 5,23 g. This model enables the simulation of different scenarios that can assist in managerial decision-making, and it can be embedded in the heating controls