NRC猪饲料成分表的深度分析及饲料能值的模型构建.docx

1、NRC猪饲料成分表的深度分析及饲料能值的模型构建NRC(2012)猪饲料成分表的深度分析及饲料能值的模型构建Feed mix 反刍营养百分百饲料配方软件Genetic Algorithm 饲料配方软件内容1. NRC（2012）猪饲料成分表的深度分析 常规成分与碳水化合物 饲料能值 矿物质及其利用率22. 饲料能值回归模型的构建与分析 饲料总能回归模型与分析 饲料消化能回归模型与分析 饲料代谢能回归模型与分析 饲料净能回归模型与分析3.小结与展望一、NRC（2012）猪饲料成分表的深度分析 总体上：饲料原料种类：10th ,79; 11th ,122概略养分：新增：Acid ether ext

2、ract (酸性醚提取物)碳水化合物(CHO): 从上版2项(NDF, ADF)增加到新版14项，包括乳糖、蔗糖、棉子糖、水苏糖、毛蕊花糖及低聚糖6种糖，以及淀粉多糖(ST)、半纤维素(HC)、酸性洗涤木质素(ADL)、总日粮纤维(TDF)、不溶性日粮纤维(ISDF)及可溶性日粮纤维(SDF)等一、NRC（2012）猪饲料成分表的深度分析 总体上（续）：饲料能值： 增加了饲料的总能矿物质成分：新增植酸磷、总磷的ATTD及STTD 提供的数据分析： AEE，仅提供了30种原料的AEE值。AEE的内涵等同与CNCPS体系中的PA部分中的PA1+PA2+PA3 尽管增加了多项CHO指标，但主要提供的

3、数据集中在ST、NDF，ADF，ADL及TDF等指标上； TDF的CF与区别：TDF=SDF+ISDF，而CF=ISDF, 但实际上发布的数据中，CFISDFAEE数据分布特性一、NRC（2012）猪饲料成分表的深度分析 提供的数据分析（续）： 有效能值的数据分析：整体上更新的数据范围与变化较大例如，拥有相同编号的饲料，如400-466所述的大麦粉，前后两个版本推荐的消化能均为3940kcal/kg, 但是修订后的代谢能及净能却差异较大，新旧对比为3856对3700，2981对2415，数据均为具有相同干物质的饲喂状态含量。 总磷的ATTD及STTD数据，新版提供大约87种饲料的。部分动物源性

4、饲料如血浆、牛奶类产品等P的消化率较高，最常用的鱼粉的P消化率也只有79%，鸡肉副产品P的消化率还不到50%，消化率最低的则是植物中的谷实类加工产品及块根块茎类饲料，如米糠的ATTD仅为13%，而木薯粉的ATTD最低为10%。二、饲料能值的预测回归模型的构建与分析22.11 饲料总能回归模型与分析2.2 饲料消化能回归模型与分析2.3 饲料代谢能回归模型与分析22.44 饲料净能回归模型与分析模型构建的基本方法 回归模型中的自变量：x1,干物质，DM%； x2，粗蛋白，CP%; x3,粗纤维，CF%；x4, 粗脂肪，EE%；x5, 酸性醚提取物，AEE%；x6，粗灰分，Ash%；x7, 淀粉，

5、ST%；x8, 中性洗涤纤维,NDF%; x9, 酸性洗涤纤维，ADF%；x10, 半纤维素，HC%；x11, 酸性洗涤木质素，ADL%。 对预测变量即因变量的定义: GE，饲料总能，kcal/kg;DE,饲料消化能，kcal/kg； ME，饲料代谢能，kcal/kg；NE，饲料净能，kcal/kgg。2.1 饲料中总能(GE)回归模型的构建2.1.1 不分饲料类型，对所有饲料的GE的回归模型22.11 饲料中总能(GE)回归模型的构建 分析：1. 能够初步建立所有饲料类型中饲料基础养分及其组合与GE的回归模型；2. R2 为0.80580.7361, C.V.为5.946.86%3. 目前仅

6、有INAPG组织公布了大约100种饲料的GE预测模型2.1 饲料中总能(GE)回归模型的构建2.1.2“玉米及其加工产品类”的GE模型构建R2=0.99940.6502 C.V.=0.616.17%二、饲料中总能(GE)回归模型的构建2.1.3“大豆及其加工产品类”的GE模型构建R2=0.98340.7940 C.V.=1.164.51%2.2 饲料中消化能(DE)回归模型的构建2.2.1 “玉米及其加工派生原料”饲料的DE的回归模型R2=0.91920.7763 C.V.=5.938.36%2.2 饲料中消化能(DE)回归模型的构建2.2.2 “大豆及其加工派生原料”饲料的DE的回归模型R2

7、=0.99960.9047 C.V.=0.755.45%2.2 饲料中消化能(DE)回归模型的构建2.2.3 饲料的DE的回归模型的应用可以利用获得的回归模型，预测出的97号、101号及102号饲料的消化能值。分别用式(29)和式(37)模型计算得到3种饲料消化能为：4441、4493和4475Kcal/kg， 及3861、4163及4127kcal/kg。而3种饲料的总能分别为3985、5306及5282kcal/千克。3861、4163及4127kcal/kg数据是可行的。2.3、饲料中代谢能(ME)回归模型的构建2.3.1 “玉米及其加工派生原料”饲料的ME的回归模型R2=0 88820

8、0.7231 C.V.=6 2188.76%0.8882 6.2122.33 饲料中代谢能(ME)回归模型的构建2.3.2 “大豆及其加工派生原料”饲料的ME的回归模型R2=0.99940.8727 C.V.=0.845.98%2.3 饲料中代谢能(ME)回归模型的构建2.3.3 饲料ME的回归模型的应用可以利用获得的回归模型，预测出的97号、101号及102号饲料的代谢能ME值。采用ME14大豆类（式(51)）模型计算得到3种饲料代谢能分别为3435,3850及3862kcal/kg，而该3种对应的消化能计算得到的分别为3861、4163及4127kcal/kg，符合代谢能低于消化能的基本规

9、律，且分别的代谢率为89.0%，92.5%及93.6%，体现了不同饲料间的差异性，表明通过预测模型推算的3种饲料的消化能及代谢能基本可行2.3 饲料中代谢能(ME)回归模型的构建2.3.4 DE回归模型与ME回归模型的比较对具有相同自变量的回归模型的变量系数对比发现，预测ME与ME的模型的主要差别在于变量x2的系数差异明显， 而其他变量的系数甚至截距数值都非常接近。例如，就DE01玉米类模型(式(19)与ME01玉米类模型(式(38)比较，两者的回归系数(均取2位有效数)的对比为：-13620/-13594， 213.92/213.59； 20.70/-27.46；98.82/98.76；-2

10、1.61/-21.59；-14.66/-14.63； 55.46/55.56；-19.53/-19.50；-77.46/-77.45; 28.26/28.37；2.08/2.11； 149.84/149.74。2.4 饲料中净能(NE)回归模型的构建2.4.1 “玉米及其加工派生原料”饲料的NE的回归模型R2=0.92900.7852 C.V.=6.527.04%2.4. 饲料中净能(NE)回归模型的构建2.4.2 “大豆及其加工派生原料”饲料的NE的回归模型R2=0.99960.9788 C.V.=2.499.53%三、小结与展望11. 可以建立针对所有饲料原料的饲料基础成分（概略成分及CH

11、O组分）与总能的普适方程。本研究的回归效果不甚理想的原因是饲料原料缺值项目较多造成的；22. 尚不能建立起饲料基础成分与DE、ME及NE之间的回归方程，因为饲料基础成分无论怎样组合， 回归效果均不理想；33. 按具有某些相同特性的饲料归类为子集时，回归发现，玉米及其加工产品类、大豆及其加工产品类，饲料基础成分三、小结与展望组合，与饲料的DE、ME甚至NE具有非常好的相关性；4. 对于同一类饲料，具有相同变量的DE、ME回归模型，变量的回归系数具有明显的关联，而主要的差别在变量项x2(粗蛋白)的系数上，其他系数基本相同；5. 建立NE回归模型时，将GE作为自变量参与回归，可改善回归模型的拟合效果

12、。6. 利用建立的有效回归模型，根据已有的变量数据，选择合适的回归模型，可以对已经发布的成分表补充数据三、小结与展望1. 展望1：获得大样本的饲料养分的原始数据，建立理想的饲养养分的预测模型，应成为饲料营养价值间接评定的方向；2. 展望2：提供经受起考验的能值预测模型，原则上比提供固定数据的成分表更科学，因为模型反映的数据是动态的，更适合我国千差万别的饲料资源。饲料配方及饲料计算技术总汇-下载下载Feed mix 反刍营养百分百饲料配方软件（牛羊奶牛）Genetic Algorithm 饲料配方软件(猪鸡)饲料配方及技术（1）饲料配方及技术（2）饲料配方及技术（3）饲料配方及技术（4）饲料配方及技术（5）饲料配方及技术（6）饲料配方及技术（7）饲料配方及技术（8）饲料配方及技术（9）饲料配方及技术（10）饲料配方及技术（11）饲料配方及技术（12）饲料配方及技术（13）饲料配方及技术（14）饲料配方及技术（15）