饲料配方的高级计算NRC营养需要模型.docx
《饲料配方的高级计算NRC营养需要模型.docx》由会员分享,可在线阅读,更多相关《饲料配方的高级计算NRC营养需要模型.docx(127页珍藏版)》请在冰豆网上搜索。
饲料配方的高级计算NRC营养需要模型
饲料中的最佳氨基酸比例模型
(饲料配方的高级计算)
计算饲料中氨基酸最佳比例模型,主要是为了动物的营养代谢更高效。
即血液中的营养物质尽量变成我们希望的肉、蛋、奶,而随尿液排出的营养最小化。
提高饲料中营养的吸收和利用。
计算符合最佳氨基酸比例模型的饲料很简单,如下图。
<最佳氨基酸比例模型>是比<氨基酸平衡木桶原理>
更深入、更高级的配方计算方式!
一:
下载:
FeedMix反刍营养百分百饲料配方软件
(奶牛、肉牛、肉羊饲料日粮TMR计算)
二:
下载:
GeneticAlgorithm饲料软件
(猪鸡等单胃动物饲料配方计算)
高品质猪鸡饲料配方-计算方法
根据氨基酸最佳比例模型计算猪鸡饲料配方
猪鸡饲料添加剂配方计算-两种方式
智能二代(GeneticAlgorithm)饲料配方软件
NRC营养需要模型
(NRC,1998)已经很好地确定了不同类别猪的每天的营养需要,这些营养需要受
生理状况、生产潜能和环境条件的影响。
NRC(1998)给出的三个数学模型对20kg-140kg
活体重(BW)的生长育肥猪、妊娠母猪、泌乳母猪的标准回肠可消化氨基酸(SID)、
氮(N)、标准全消化道可消化(STTD)磷(P)和总钙(Ca)的需要进行了更新和调整。
在模型形成期间,以精确的预测和相关的实践使之易用性、透明化和简单化。
表观可消
化氨基酸(AID)和表观全消化道可消化磷(ATTD)的需要可以各自由SID和STTDP
得出。
对于玉米豆粕型日粮,总日粮氨基酸和P的需要同样可以得出。
为促进模型的完
整性,模型对BW20kg以下猪的维生素和矿物元素(而不仅仅Ca和P)的营养需要进
行了经验估计。
把常规的饲料配方程序计算出的日粮营养含量和模型得出营养需要的估
计进行正确的对比,从而使这些模型趋于完善。
从动物整体水平上看,这三种模型给出的营养和能量的生物利用是机械的、动态的、
确定性的。
这些模型被认为是机械的是因为它们机械地体现了已知的影响营养需要的生
物学原理。
这些生物学原理在第1章(蛋白)、2章(能量和氨基酸)、6(矿物元素)章
做了概述。
然而,使用模型进行营养需要估计时,不可避免的含有了一些经验元素和经
验实测值。
用户可以进行自定义时间段进行每一天的循环计算,累加的动物生产性能(生
长、妊娠和泌乳)会自动的呈现出来。
一旦自动模拟被执行,用户可以仔细查看每一天
的或多天的营养需要。
多天的营养需要可以简单地计算为每一天需要的平均值。
模型是
是固定性的,因为这类家畜的营养需要估计没有明确体现家畜内的变异性。
但是,利用
已经确立的单个动物的估计,通过调整吸收后的营养利用率,家畜之间的变异性可以在
模型中明确地考虑(例如,PomarAcids),第二章(蛋白质和氨基酸)已做了概述。
对于不同种类猪的营养需要的估计,使用模型的用户必须明确不同种类的猪的能量
采食和生产性能。
对于生长育肥猪和妊娠母猪,已经增加程序使之对能量采食水平产生
1
智能二代(GeneticAlgorithm)饲料配方软件
相当简化的预测。
输入数据后,模型会产生每日整体沉积的蛋白、沉积的脂肪和BW的
变化。
对于妊娠母猪,蛋白、脂肪以及孕体和生殖组织的总增重也被考虑在内,而对于
泌乳母猪,窝仔重和仔猪平均日增重作为对母乳营养和能量输出的测定。
供给试验家畜
生产性能的营养需要就产生了。
因为估计了动物对能量摄入的响应,所以模型不能直接
给出能量的需要量。
家畜的响应既是绝对的也是最低限度的,对于次优营养水平的吸收
模型没有给出。
结果,动物的营养需要经过一段时间营养限制后,可能会受到补偿性生
长的影响,没有被估计。
与被测动物的生物生产性能相关的营养需要产生在一个相对没有疾病和应激的环
境中,并不能反映出成本利益分析。
关于疾病困扰和环境条件潜在的影响这方面的营养
需要没有考虑,但考虑了热平衡中能量摄取的预测和维持能量需要的估计受环境的影
响。
根据营养需要估计的每日营养采食量产生最大效益的生产性能和最大的营养利用率
可能不同。
在模型中,能量的计算单位是“有效”代谢能(ME)。
“有效”ME,被描述为ME,
用于全文和所有等式。
用于典型的玉米豆粕型日粮的“有效”消化能(DE)通过净能(NE)
依据固定的换算系数计算而来。
这些已经用作典型日粮局部能量效率的估计。
这个概念
已经在第1章(能量)具体描述。
在这三个模型中,可选择输入体组成(如背膘厚)和体重(如,生长育肥猪的生长
性能,妊娠期间总体重变化,或者泌乳期间体总重变化)的实测值,来比较和对比预测
和实测的值。
当实测的值和预测的值类似时,增加了模型预测营养需要的正确性。
具体
细节在用户指导(模型运算)中,体组成和BW实测的变化会和模型预测进行匹配。
本章给出了用数学方法计算营养要。
一些等式在第1、2、6章给出,但为了更加
完善,在这里也给出。
更多的细节的描述、输入和输出、主要部分的打印以及简单的指
导都在用户指导(附录A)中给出。
2
智能二代(GeneticAlgorithm)饲料配方软件
生长育肥猪模型
主要概念
表示生长的每天蛋白沉积(Pd)率和脂肪沉积(Ld)率,以更新全部机体蛋白(BP)
质量和全部机体脂肪(BL)质量。
在模型中Pd用来描述猪的类型(品种和性别)和生
长生产性能水平;Pd的表示方法比瘦肉增长率更客观和广泛。
空体重(EBW)和BW
通过BP和BL预测得到。
满足能量需要的能量采食量分为机体功能维持、蛋白沉积和
脂肪沉积的需要。
因为维持能量需要通过饲喂蛋白日粮后被确定,所以蛋白的能量被认
为能量采食的一部分。
用作蛋白维持需要的蛋白没有从维持能量需要中扣除。
维持能量
需要可以从BW和环境温度推测,也可以由用户通过模型计算特别条件下的需要来调整。
猪的生产性能和生产潜能可以由Pd曲线来表示,此曲线由模型用户、相关的能量采食
量以及根据实测的生长性能做出的估计来决定。
能量的采食量用于功能维持、蛋白沉积
和脂肪沉积需要。
SID氨基酸和N需要可以由Pd、BW和采食量估计得到。
STTDP需
要由采食量、Pd和BW推导出,而总Ca需要则由STTDP需要估计得到。
AID和总氨
基酸需要、ATTD和总P需要通过SID和STTD值计算而来,其日粮以玉米豆粕型日粮
营养为基础,包括3%的预混料和0.1%的赖氨酸盐酸盐,并且它们的配制满足SID氨基
酸和STTDP的需要。
给未去势公猪饲喂雷克伯明(RAC)或者免疫促性腺素释放激素(GnRH)对营养需
要的影响,可以通过它们对ME采食量、维持ME、Pd、Ld的需要的影响来估计。
RAC
诱导的Pd单独标踪,来说明它对Pd的氨基酸组成和体组成的影响。
动态模型包括了数
学等式以说明随着体重的增加能量采食量、Pd和BW增重的变化。
两者任一个等式来
可说明它们之间的关系。
可以用多项式和计算表如MicrosoftExcel进行量化计算。
可供
选择的等式有渐进线或者S曲线功能,并且能表示生物学的关系,但还需要更高级的数
理统计包来量化。
典型的能量采食两和Pd曲线默认用于小母猪、阉割猪和整个未去势
小公猪。
3
智能二代(GeneticAlgorithm)饲料配方软件
机体组成
近期的概述(deLong等,2003)对机体的化学和物理构成做了数据性的表述。
这
四种化学机体成整个机体的脂肪含量(BL)、整个机体的蛋白含量(BP)、整个机体的
水分含量(Wat)和整个机体的灰分含量(Ash)之和表示空腹体重(BLW)(等式8-1)。
水分含量和灰分含量以及相关的蛋白含量用kg表示(等式8-2和8-3)。
Wat和BP之间
的关系,也考虑了猪可操作的Pd上限(PdMax:
Pd曲线中的最高值,g/d)。
肠道内容物
可以通过BW(起始BW:
kg;等式.8-4)和EBW(末端BW:
kg;等式.8-5)预测。
肠
道内容物和EBW之和等于BW。
很大程度上因为Wat和BP、BW增重的化学组成、以
及瘦肉组织的增重、不同的生长阶段和猪品种之间的相对生长关系(Emmans和
Kyriazaks,1995)。
EBW(kg)=BP+BL+Wat+Ash
Wat(kg)=(4.322+0.0044×PdMax)×P0.855
Ash(kg)=0.189×BP
肠道内容物(kg)=0.277×BW0.612
肠道内容物kg)=0.3043×EBW0.5977
(等式.8-1)
(等式.8-2)
(等式.8-3)
(等式.8-4)
(等式.8-5)
用一个迭代程序(Newton-Raphonmeherd;Arfken,1985)来估计起始BW时机体的化
学组成,用BL和BP比率(BL/BP)表示。
(等式.8-6)。
起始BW时的(BL/BP)=(0.305—0.000875×PdMax)×BW0.45
(等式.8-6)
对于胴体瘦肉含量,一个标准的方法是使用背膘厚度。
世界上很多地区背膘厚度探
测成为日常监控,北美也越来越多(Fortinetal.,2004;Schinckeletal.,2010)。
典型的方法
是光学探针,在倒数第三和第四肋骨之间,躯干中间线以下7cm处。
机体化学组成和探
针背膘厚度之间的关系(等式.8-7)依据额外大数据组的分析(Wagnetret
4
智能二代(GeneticAlgorithm)饲料配方软件
al.,1999;Schinckeletal.,2001,2010),Quiniou(1995;originalanalysesconductedbyP.Morel,
MasseyUniversity,NewZealand)对数据做了测算。
假设潜在的误差影响背膘厚的测定,
那么也影响了胴体瘦肉率的预测,这个参数必须谨慎对待(Johnsonetal.,2004;Schinckel
etal.,2006)。
猪的品种和性别影响探针背膘厚度和胴体瘦肉率之间的关系。
根据美国猪
肉生产理事会(NPPC;国家猪肉生产理事会,2000),模型中默认的等式(等式.8-8)
对胴体无脂肪瘦肉含量提供了合理的预测,可以根据确定的条件进行调整。
根据这个等
式,无脂胴体瘦肉增重可以预测为Pd×2.55(NRC,1988)。
然而,这个关系式只能在一
个大的BW范围内有效(如:
25-125kgBW),并且利用高PdMax会低估了无脂瘦肉增重
量。
用户可以根据当地条件调整等式.8-8中的参数和无脂瘦肉增重和沉积蛋白(Pd)之
间的比率。
探针背膘厚度(mm)=-5+12.3×BL/BP+0.13×BP
NPPC胴体无脂瘦肉含量(%)=62.073+0.0308×胴体重
—1.0101×探针背膘厚度+0.00774×(探针背膘厚度)2
(等式.8-7)
(等式.8-8)
能量与饲料采食量
生长育肥猪模型包括三个选项可以对不同BW的ME采食量做出估计。
首先,通过
一个简单的预期ME采食量产生一个关于BW的等式,涉及:
性别、自身采食能力、环
境温度(可选项)、猪饲养密度(可选项)。
第二,在一定的BW范围内用实测的饲料采
食量产生一个ME采食量曲线,然后再组合标准ME采食曲线。
第三,这两种类型等式
的参数可以由用户输入相关的ME采食量和BW。
在用户自己设定的日粮ME含量的基础上,ME的采食与饲料采食量有关。
饲料浪
费的估计,用户自己确定的饲料采食量等于饲料采食量加上饲料浪费量,需要相关的预
期采食量和预期饲料用量,或者相关实测的饲料用量和ME采食量。
通常,饲料浪费率
占饲料的5%,由饲养员给出,但是它可以在3%至多于10%之间变动。
调整饲料浪费量
的值可以表明饲料浪费对营养需要的影响和减少饲料浪费的重要性。
这个标准ME采食曲线(等式.8-9)可以作为一个参照标准推算一定BW的实测ME
采食量,或者其它BW的ME采食量。
这个标准ME采食曲线相当于NRC(1987,也
5
智能二代(GeneticAlgorithm)饲料配方软件
用于NRC,1998)中的83.6%。
这个标准ME采食曲线以Bridges(sckinckeletal.2009b)函
数为基础,等于小母猪(等式.8-10)和去势公猪(等式.8-11)的平均采食量,通常根据
实际条件调整曲线来表示猪的采食量水平。
需要重点强调的是,这个标准采食曲线没有
包括饲料浪费量。
假设能量采食量未去势公猪比母猪低3%(等式.8-12)。
标准ME采食量=10563×{1-exp[-exp(-4.04)×BW]}
(等式.8-9)
对于三种性别,各自默认ME采食曲线表示为(图8-1):
默认ME采食量,小母猪(kcal/d)=10976×{1-exp[-exp(-3.803)×BW0.9072]}
(等式.8-10)
默认ME采食量,去势公猪(kcal/d)=10447×{1-exp[-exp(-4.283)×BW1.0843]}
(等式.8-11)
默认ME采食量,未去势公猪(kcal/d)=10638×{1-exp[-exp(-3.803)×BW0.9072]}
(等式.8-12)
去势公猪
小母猪
未去势公猪
6
智能二代(GeneticAlgorithm)饲料配方软件
图8-1
20kg-120kg体重的去势公猪、小母猪和未去势公猪典型的每日ME采食量。
为了有效说明环境温度(T)对ME采食的影响(BrucandClark,1979;Quiniouet
al.,2000;Nobletetal.,2001),估计了低于标准温度(LCT)的情形(等式.8-13)。
假定处
于LCT和LCT+3℃之间,环境温度(T)并不影响ME的采食量。
在UCT+3℃以上时,
ME采食量会随着温度的升高而降低(adjustedfromQuiniouetal.,2000;Eq.8-14)。
T低于
LCT,ME采食量随T线性增加。
对于BW为25-90kg的猪,在T低于LCT时,ME采食量
与T之间的线性关系是确定的,BW对于T和预期ME采食量之间关系的影响可以线性判
断,对于25kgBW的猪,低于LCT时,预期ME的采食量增加1.5%/℃。
对于90kgBW的猪,
低于LCT时,预期的ME采食量增加3%/℃。
低于标准温度(LCT;℃)=17.9-0.0375×BW
(等式.8-13)
部分ME采食量=1-0.012914×[T-(LCT+3)]-0.001179×[T-(LCT+3)]2
(等式.8-14)
对于猪饲养密度对预期ME采食量的影响的预测,最小面积的最大的ME采食量需
要用BW计算(等式.8-15)。
面积每降低1%,预期ME采食量会降低0.252%(Gonyou
etal.,2006)。
最大ME采食量的最小面积需要(m2/头)=0.0336×BW0.667
(等式.8-15)
尤其是,生长小猪采食饲料能力有限。
如果饲料采食能力受到限制,即使日粮能量
和营养含量减少也不会导致日粮采食量的增加,如(等式.8-9)至(等式.8-12)所示,
会造成日粮营养采食量的减少。
日粮最大采食量的限制可说明这个理论,日粮最大采食
量是关于BW的一个等式(Black,2009等式.8-16)。
这个等式表明当T低于LCT时,
猪的采食能力会增加。
最大日采食量(g/d)=111×BW0.803+111×BW0.803×(LCT-T)×0.025
7
智能二代(GeneticAlgorithm)饲料配方软件
(等式.8-16)
必须指出的是,这种方法预测ME采食量往往偏高,没有反映已知的环境和动物因
素对能量采食的影响,例如地板类型、空气质量、活动、猪品种、日粮营养水平和抗营
养因子(e.g.,TorrallardonaandRoura,2009)。
这种方法的使用仅仅说明一些环境因素和
营养需要的估计之间潜在的相互作用,能够使用户量化检验这些因素对营养需要估计的
影响。
当模型用户指定实测饲料用量(包括饲料浪费)和对应的平均BW时,考虑了日粮
ME含量和饲料浪费,实测的ME采食量可得到计算。
把实测的ME采食量计算为占标
准ME采食量曲线中对应BW的ME采食量的一定比例。
然后用这个比例来估计其它
BW的ME采食量。
两种数学等式(Bridges等式.8-17多项等式.8-18)可以确定ME采食量曲线关于BW
的一个函数等式,a、b、c、d是参数。
实测ME采食量+浪费量(kcal/d)=a{1-exp[-exp(b)×BWC]}
实测ME采食量+浪费量(kcal/d)=a+b×BW+c×BW2+d×BW3
(等式.8-17)
(等式.8-18)
ME采食量分类
在模型中,首先要满足维持能量需要。
维持ME需要标准可以由BW预测(kg;等
式.8-19)。
如果考虑了温度,当T低于LCT时,维持ME需要标准随着温度(T)的降
低呈线性增加(等式.8-20)。
维持ME需要标准(kcal/d)=197×BW0.60
(等式.8-19)
生热ME需要标准(kcal/d)=0.07425×(LCT-T)×维持ME需要标准
8
智能二代(GeneticAlgorithm)饲料配方软件
(等式.8-20)
这个模型用户可以调整代谢能需要,来说明受动物活动或者特定品种影响的变化,
在ME维持需要标准基础上会有一定比例的增加。
总的ME需要标准计算如(等式.8-21)。
维持ME需要(kcal/d)=ME维持需要标准+生热ME需要+活动增加和品种调整ME需
要
(等式.8-21)
ME采食量超过了维持ME需要则用于Pd和Ld。
通过用户确定的Pd沉积曲线或者
能量采食量来决定BW的蛋白沉积率。
提供了的三个选项用来定义Pd曲线:
(1)输入
一个BW在25kg-125kg之间的Pd平均值,
(2)明确关于BP或者Pd(对应BW)数学
等式的参数(3)输入PdMax和PdMax开始下降时的BW。
对于选项
(1),把平均Pd导入一定品种的Pd标准曲线模型,导出一定BW时的
Pd(等式.8-22,8-23,8-24)。
这些标准曲线比NRC(1998)有了改进,反映了性别对
生长模型的主要影响(e.g.,Hendriks和Moughan,1993;Wagneretal.,1999;BSAS,2003;va
nMilgenetal.,2008;Schinckeletal.,2009a,b)。
以这些曲线和典型的平均Pd值为基础的全
部机体蛋白沉积值,三种性别(BW为25kg-125kg的小母猪,去势公猪和未去势公猪分
别为137,133和151g/d)如图8-2所示。
小母猪Pd(g/d)=(137)×(0.7066+0.013289×BW-0.00013120×BW2+2.8627
×10-7×BW3)
(等式.8-22)
去势公猪Pd(g/d)=(133)×(0.70786+0.013764×BW-0.00014211×BW2+3.2698
×10-7×BW3)
(等式.8-23)
未去势公猪Pd(g/d)=(151)×(0.6558+0.012740×BW-0.00010390×BW2+1.64001
×10-7×BW3)
9
(等式.8-24)
智能二代(GeneticAlgorithm)饲料配方软件
图8-2典型体重20kg-140kg的未去势公猪、小母猪、去势公猪全部机体蛋白沉积曲线
对于选项
(2),当使用Michaelis-MentenKinetica归纳的函数(等式.8-25)时,每
日Pd可由BW的变化计算而来,需要用户确定一个BW的增重曲线。
等式,8-26)提供
Pd和BW之间的关系。
(等式.8-25)
Pd(g/d)=a+b×BW+c×BW2+d×BW3
(等式.8-26)
对于选项(3),假定PdMax开始下降之前,PdMax是连续并且相对于BW独立的。
因
此在这个选项中,也假定只要实测Pd随着BW升高,Pd可由能量采食量确定。
当BW
大于PdMax开始下降时的BW时,用Gompertz函数表示Pd随着BP的增加而下降的模
型(等式.8-27,等式.8-28,等式.8-29)。
10
(
智能二代(GeneticAlgorithm)饲料配方软件
成熟期BP(kg)=(PdMax下降时BW对应的BP)×2.7182
速率常数=[PdMax/(成熟期BP×1000)]×2.7182
PdMax开始下降时对应的BW之后的最大Pd(g/d)=
当前BW的BP×1000×速率常数×ln(成熟期BP/当前BW的BP)
(等式.8-27)
(等式.8-28)
(等式.8-29)
在这个模型中,潜在Pd可以通过数值模型计算每天的能量采食量来确定(等
式.8-30);摘自Blacketal.,1986,和NRC,1998).这个等式得出了能量采食量和Pd之间
的线性关系,即随着BW的增大斜率降低的关系(图8-3)。
这个数学等式表明,以代谢
能采食量推断生长猪体蛋白增重和体脂肪代谢,和试验实测值一致(Blacketal.,1986)。
这个等式表明,对于生长猪,大的斜率意味着大的瘦肉组织生长潜能,当涉及到环境温
度时,斜率随着环境温度的升高而降低。
模型用户可以用一个恰当的系数调整这个斜率,
进行某一群体猪的实测的和