潘曉花 楊 亮 龐之洪 王建芬 熊本海*

(1.中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，動物營養(yǎng)學(xué)國家重點實驗室，北京 100193;2.延慶縣動物衛(wèi)生監(jiān)督管理局，北京 102100)

NRC在2012年發(fā)布了《豬營養(yǎng)需要量》的第11 修訂版［1］。與 NRC 第10 版《豬營養(yǎng)需要量》［2］比較，第11版豬用飼料成分表的更新主要包括以下幾個方面:1)飼料營養(yǎng)成分表的原料種類從79種增加到122種，飼料編號部分保留了上版已有飼料原料，并新增了一些飼料編號及無編號的飼料原料;2)部分飼料原料新增了一些基礎(chǔ)營養(yǎng)成分評價指標(biāo)，即糖類、纖維物質(zhì)類、脂肪酸類等指標(biāo);3)大部分飼料養(yǎng)分?jǐn)?shù)據(jù)得以修正，飼料原料的有效能值數(shù)據(jù)變動較大，如玉米消化能(DE)由14.75 MJ/kg 下降至 14.44 MJ/kg，而凈能(NE)由10.02 MJ/kg 上升至 11.18 MJ/kg，同時玉米干酒糟及其可溶物(DDGS)代謝能(ME)(8.64 vs.9.80 MJ/kg)，大豆粕 ME(8.45 vs.8.73 MJ/kg)及大部分未列出原料的NE也有所提高。

飼料能值是影響飼糧成本及飼喂效果的重要因素，NRC(2012)對飼料原料能值的修訂也進(jìn)一步說明了能值在動物飼糧配制中的重要性。但是，開展飼料有效能值的評價費(fèi)時費(fèi)力，為此，國內(nèi)外在飼料有效能值的間接估測(算)方面進(jìn)行了大量的研究。例如，Evan［3］、Noblet等［4］提出通過飼料中的總能(GE)、部分常規(guī)成分及可溶性碳水化合物(SCHO)指標(biāo)預(yù)測飼料中的DE，且給出的模型不分飼料類型。NRC(1998)也提供了一系列飼料GE、DE、ME及NE的預(yù)測模型。近年來，Sauvant等［5］在法國飼料成分表中提供不分飼料類型的 DE 計 算 模 型，Kim 等［6］、Wan 等［7］、Huang等［8－9］通過大量試驗數(shù)據(jù)構(gòu)建了基于一種或一類飼料的有效能值預(yù)測方程。隨著飼料有效能值評定方法的改進(jìn)，樣本數(shù)的增加，飼料原料有效能值的準(zhǔn)確性也逐漸提高。但是，NRC(2012)雖修訂了大量的能值數(shù)據(jù)，但以飼料營養(yǎng)成分為自變量的有效能值預(yù)測模型為舊版中Noblet等［4］提出的模型，未融合最新的營養(yǎng)成分?jǐn)?shù)據(jù)庫，因而需要更新能值預(yù)測模型。另一方面，我國的飼料資料種類多樣，受飼料原料種類，加工工藝及環(huán)境因素的影響，我國飼料原料的基礎(chǔ)成分(概略養(yǎng)分及碳水化合物)與NRC發(fā)布的成分表不完全一致，因而不能直接采用NRC(2012)飼料原料的有效能值。為此，本研究基于NRC第11版發(fā)布的飼料能值數(shù)據(jù)，采用數(shù)據(jù)挖掘與深度分析的技術(shù)，通過飼料營養(yǎng)成分指標(biāo)的不同組合，建立有效能值的預(yù)測模型，用于估測我國飼料原料的有效能值以指導(dǎo)動物飼糧配制。

1 材料與方法

1.1 飼料能值數(shù)據(jù)準(zhǔn)備

選用NRC(2012)《豬營養(yǎng)需要量》中發(fā)布的豬飼料成分及營養(yǎng)價值表。涉及的飼料原料種類122種，其中參與回歸計算的原料種類須具備干物質(zhì)含量及相應(yīng)的能值數(shù)據(jù)，否則予以剔除，以保證預(yù)測模型的有效性。

1.2 回歸模型構(gòu)建的變量定義

本研究定義的自變量如下:粗蛋白質(zhì)(CP，%)、粗纖維(CF，%)、粗脂肪(EE，%)、酸性醚提取物(acid hydrolysis ether extract，AEE，%)、粗灰分(ash，%)、淀粉(starch，ST，%)、中性洗滌纖維(neutral detergent fiber，NDF，%)、酸性洗滌纖維 (acid detergent fiber，ADF，%)、半 纖 維 素(hemicellulose，HC，%)、酸性洗滌木質(zhì)素(acid detergent lignin，ADL，%)。其中HC和ADL數(shù)據(jù)量較少，未參與模型回歸。因變量的定義為DE(kJ/kg)、ME(kJ/kg)及 NE(kJ/kg)。

1.3 統(tǒng)計分析及模型的建立

采用 SPSS 16.0［10］分析有效能值與營養(yǎng)成分之間的相關(guān)性，采用 SAS 8.01［11］的 REG 過程，獲得自變量不同組合下回歸模型參數(shù)?；貧w模型擬合效果的評判指標(biāo)包括均方根誤差(RMSE)、變異系數(shù)(CV)、相關(guān)系數(shù)(R2)及P值，其中RMSE和CV反映模型預(yù)測值與真實值的離散程度，R2反映模型對因變量的預(yù)測效果，并以P＜0.05作為模型顯著有效的標(biāo)準(zhǔn)。同時，從營養(yǎng)學(xué)理論上講，CP、EE、ST及AEE對飼料有效能值具有正效應(yīng)，ash、NDF、ADF、CF、HC 和 ADL 對飼料有效能值具有負(fù)效應(yīng)，本研究以此為基準(zhǔn)判定模型是否具有營養(yǎng)學(xué)意義。

2 結(jié)果

2.1 飼料有效能值及營養(yǎng)成分相關(guān)性分析

玉米類飼料和大豆類飼料有效能值與營養(yǎng)成分之間的相關(guān)性分別見表1和表2。由表可知，飼料DE、ME和NE三者顯著或極顯著相關(guān)(P＜0.05或P＜0.01)，而有效能值與營養(yǎng)成分之間的相關(guān)性在玉米類飼料與大豆類飼料之間存在差異。玉米類飼料DE與CP和NDF顯著或極顯著相關(guān)(P＜0.05或P ＜0.01)，NE 與ST、NDF、ADF和CF存在顯著或極顯著相關(guān)關(guān)系(P＜0.05或P＜0.01);而大豆類飼料DE和ME均與CP、ST、NDF、ADF和CF存在顯著或極顯著相關(guān)關(guān)系(P＜0.05或 P＜0.01)，而 NE 主要受 EE、ST、NDF、ADF和 CF的顯著或極顯著影響(P ＜0.05或 P ＜0.01)，因此，不同飼料原料有效能值與飼料營養(yǎng)成分的關(guān)系存在差異，需分類建立相應(yīng)的有效能值預(yù)測模型。另外，ST、CP、NDF、ADF 和 CF 之間存在較強(qiáng)的相關(guān)性(P＜0.05)，這決定了自變量的不同組合會影響飼料有效能值的預(yù)測效果。

表1 “玉米及其加工產(chǎn)品類”飼料有效能值與營養(yǎng)成分相關(guān)性分析Table 1 Correlation analysis between effective energy and nutrition composition for corn and its by-products

表2 “大豆及其加工產(chǎn)品類飼料”有效能值與營養(yǎng)成分相關(guān)性分析Table 2 Correlation analysis between effective energy and nutrition composition for soybean and its by-products

2.2 飼料中DE的回歸效果

2.2.1 不分飼料類型的DE回歸

對1.2中所有變量，無論怎樣組合，獲得的回歸模型R2均低于0.300 0，CV均超過20%，表明，構(gòu)建飼料的常規(guī)養(yǎng)分(DM、CP、CF、EE、AEE 和ash)及碳水化合物指標(biāo)(ST、NDF、ADF、HC 和ADL)與所有類型飼料的DE普適性回歸模型預(yù)測效果較差，因此需要分飼料類型進(jìn)行構(gòu)建。

2.2.2 “玉米及其加工產(chǎn)品類”DE回歸模型構(gòu)建

鑒于2.2.1的結(jié)果，本研究按飼料類型構(gòu)建模型。以NRC(2012)飼料成分表的第20～33號飼料共14種玉米及其加工類飼料為子集，建立玉米類飼料DE預(yù)測模型7套，見表3。當(dāng)以CP、EE、ash、ST 和 NDF、ADF、CF 為參數(shù)預(yù)測 DE 時，各模型 R2變化范圍為0.632 8～0.772 3，預(yù)測值CV 變化范圍為 6.61% ～8.40%，且 P ＜0.05，說明上述模型能夠有效的預(yù)測玉米類飼料的DE，其中公式(7)和(9)的R2最大，RMSE和CV最小，預(yù)測效果最好。當(dāng)以AEE代替各個模型中的EE，分別得公式(2)、(4)、(6)、(8)、(10)和(12)，除公式(12)外，各模型均 P＞0.05，說明以 AEE為自變量無法建立有效的DE預(yù)測模型，另外，公式(4)、(6)、(8)和(10)中 NDF、ADF 或 CF 參數(shù)系數(shù)為正，不具有營養(yǎng)學(xué)意義。

表3 “玉米及其加工產(chǎn)品類”飼料營養(yǎng)成分與DE之間的回歸關(guān)系方程Table 3 The regression relationship equations between nutrition composition and DE for corn and its products

2.2.3 “大豆及其加工產(chǎn)品類”DE回歸模型構(gòu)建

NRC(2012)飼料成分表的第89～104號飼料共16種飼料，均為大豆及大豆加工后的產(chǎn)品，將這些作為子集進(jìn)行處理。由于第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質(zhì))及102號(全脂大豆，低寡糖)3種飼料未提供飼料的DE而舍棄，則由余下13種飼料原料參與回歸，獲得的預(yù)測大豆類飼料DE的有效模型3套列在表4中。

表4 “大豆及其加工產(chǎn)品類”飼料中的基礎(chǔ)化學(xué)成分與飼料DE之間的回歸關(guān)系方程Table 4 the regression relationship equations between main basic feedstuff composition and DE for soybean and its products

公式(14)至(17)模型的 R2變化范圍為0.907 1 ～0.926 9，RMSE 為 0.84 ～0.95，預(yù)測值CV 變化范圍為 5.40% ～6.09%，且 P ＜0.05，說明上述回歸模型對大豆類飼料DE的預(yù)測效果均較好，且明顯優(yōu)于表3中玉米類飼料的DE預(yù)測效果，表明大豆類飼料的基礎(chǔ)營養(yǎng)成分與DE的相關(guān)關(guān)系較強(qiáng)。因此，可以利用獲得的回歸模型預(yù)測第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質(zhì))及102號(全脂大豆，低寡糖)飼料的DE值。以表2中公式(14)和(16)為例，計算得到上述3種飼料原料的DE分別為15.99、17.35、17.27 MJ/kg 和 16.44、17.69、17.61 MJ/kg，2 個模型的預(yù)測值差別不大，均可用于補(bǔ)充NRC(2012)缺省的上述3種原料DE值。因此，飼料的基礎(chǔ)成分指標(biāo)較完善，則可選擇變量較多的回歸模型，其對DE的預(yù)測效果將優(yōu)于簡單的回歸模型。而在飼料營養(yǎng)成分不全的情況下，上述自變量較少的預(yù)測模型也可用于粗略地估測飼料DE。

2.3 飼料中ME回歸模型的研究

2.3.1 不分飼料類型的ME模型

同(2.2.1)一樣，無論怎樣組合上述(1.2)中11個自變量，獲得的回歸模型，相關(guān)系數(shù)均未超過0.30，變異系數(shù)高達(dá)20%以上，表明以飼料的常規(guī)營養(yǎng)成分指標(biāo)為自變量時，難以建立適用于所有類型飼料的ME預(yù)測模型，因此需要分飼料類型進(jìn)行構(gòu)建。

2.3.2 “玉米及其加工產(chǎn)品類”ME回歸模型構(gòu)建

同(2.2.2)一樣，將第20號 ～第33號飼料共13種玉米類飼料構(gòu)成子集，獲得的預(yù)測飼料ME的有效模型6套(表5)。

當(dāng)以 CP、EE、Ash、ST 和 NDF/ADF/CF 為參數(shù)預(yù)測ME時，公式(19)和(20)R2分別為0.492 1和0.609 5，低于其他模型，且 2 個模型的 P ＞0.05，說明公式(19)和(20)模型對玉米類飼料ME的預(yù)測效果較差。公式(17)、(23)、(25)、(27)R2變化范圍為0.646 9 ～0.684 9，RMSE 變化范圍為0.90 ～1.00，預(yù)測值CV變化范圍為6.58% ～7.34%，且P＜0.05，表明上述模型能夠有效地預(yù)測玉米類飼料的DE，且預(yù)測效果相近。當(dāng)以AEE代替各個模型中的 EE，分別得公式(18)、(20)、(22)、(24)、(26)、(28)，除公式(18)外，各模型 P ＞0.05，說明以 AEE為參數(shù)時無法建立有效的ME預(yù)測模型，且公式(20)、(24)和(26)中 NDF，ADF或 CF參數(shù)系數(shù)為正，不具有營養(yǎng)學(xué)意義。

2.3.3 “大豆及其加工產(chǎn)品類”的 ME回歸模型構(gòu)建

同上述2.2.3，NRC豬飼料成分表的第89～104號飼料共16種大豆類飼料構(gòu)成子集。由于第97、101及102號3種飼料未提供飼料的ME而不能參與回歸計算，則由余下13種飼料原料的數(shù)據(jù)參與回歸，獲得的預(yù)測飼料ME的有效模型4套(表6)。

表5 “玉米及其加工產(chǎn)品類”飼料中的基礎(chǔ)化學(xué)成分與飼料ME之間的回歸關(guān)系方程Table 5 The regression relationship equations between main basic feedstuff composition and ME for corn and its products

表6 “大豆及其加工產(chǎn)品類”飼料中的基礎(chǔ)化學(xué)成分與飼料ME之間的回歸關(guān)系方程Table 6 The regression relationship equations between main basic feedstuff composition and ME for corn and its products

公式(29)至(32)模型的 R2變化范圍為0.890 7 ～0.922 3，RMSE 為 0.82 ～0.96，預(yù)測值CV 變化范圍為 5.79% ～6.78%，且 P ＜0.05，說明上述回歸模型對大豆類飼料ME的預(yù)測效果均較好，且擬和效果優(yōu)于表5中玉米類飼料的ME預(yù)測模型。因此，利用表6中公式(29)至(32)預(yù)測第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質(zhì))及102號(全脂大豆，低寡糖)飼料的ME，得到上述3種飼料原料的DE分別為12.82、14.45 和 14.37 MJ/kg［公式(29)］;14.53、16.15 和 16.14 MJ/kg［公式(30)］;14.77、16.35 和 16.28 MJ/kg［公式(31)］;14.64、16.14和16.15 MJ/kg［公式(32)］。上述結(jié)果均符合代謝能低于消化能的基本規(guī)律，上述數(shù)值可用于補(bǔ)充NRC(2012)缺省的3種原料代謝能值。但公式(29)與公式(30)至(32)3個模型的預(yù)測值差別較大，原因是3種原料的ST含量均缺省，造成預(yù)測結(jié)果偏低。因此，需根據(jù)自變量數(shù)值完整情況，選擇合適的預(yù)測模型。

2.4 飼料NE回歸模型的研究

2.4.1 對所有飼料原料的NE模型構(gòu)建

同DE和ME一樣，無論怎樣組合自變量，都不能建立飼料的基礎(chǔ)成分與所有類型飼料NE的普適性回歸模型，同樣需要對飼料分類建立NE預(yù)測模型。

2.4.2 “玉米及其加工產(chǎn)品”的NE回歸模型構(gòu)建

同樣地將14種玉米類飼料作為子集，共建立7套玉米及其加工產(chǎn)品類的NE有效預(yù)測，見下表 7。當(dāng)以 CP、EE、ash、ST 和 NDF、ADF、CF為參數(shù)預(yù)測 ME時，公式(39)R2為0.597 5，低于其他模型，且2個模型的 P＞0.05，說明公式(39)模型對玉米類飼料NE的預(yù)測效果較差。公式(33)、(35)、(37)、(41)、(43)和(45)可有效地預(yù)測玉米類飼料 NE(R2=0.670 5～0.822 1，P ＜0.05，CV=6.21% ～8.27%，RMSE=0.61～0.81)。當(dāng)以AEE代替各個模型中的 EE，分別得公式(34)、(36)、(38)、(40)、(42)、(44)和(46)，除公式(34)和(46)外，各模型 P＞0.05，說明AEE與NE無顯著線性關(guān)系。此外，本研究基于11版本中最新玉米類營養(yǎng)成分?jǐn)?shù)據(jù)，以EE、ash、ST及ADF作為自變量構(gòu)建 NE的預(yù)測模型［公式(48)］，并與 Noblet等［4］推薦的 NE模型［公式(47)］相比較，結(jié)果發(fā)現(xiàn)兩者雖具有相同的自變量，但擬合度差異較大(0.597 5 vs 0.90)，說明公式(45)的NE模型擬合效果不理想，Noblet等［4］的 NE模型已經(jīng)過時而應(yīng)根據(jù)飼料營養(yǎng)成分的變化而更新。

?

?

2.4.3 “大豆及其加工產(chǎn)品類”的NE回歸模型構(gòu)建

同2.2.3一樣，將 NRC飼料成分表的第89～104號飼料共16種飼料作為子集。由于第97、101及102號3種飼料未提供 NE而不能參與回歸計算，則由余下13種飼料的數(shù)據(jù)參與回歸。得到的各模型中自變量ST的參數(shù)均為負(fù)值，即與NE為負(fù)相關(guān)而不具有營養(yǎng)學(xué)意義(未列出)，但 NE可由 DE 或 ME、EE、ST、CP和ADF間接預(yù)測NE(表8)。

?

3 討論

3.1 影響有效能值模型預(yù)測效果的因素

動物為能而食［12］。自 Diggs 等［13－14］開始用豬直接測定原料的能值以來，飼料的能值預(yù)測及數(shù)據(jù)等相關(guān)方面的研究不斷積累。除了NRC機(jī)構(gòu)外，法國飼料數(shù)據(jù)庫［15］、中國飼料數(shù)據(jù)庫［16］等均積累了不少的原始數(shù)據(jù)及文獻(xiàn)數(shù)據(jù)。法國飼料數(shù)據(jù)庫在積累數(shù)據(jù)的基礎(chǔ)上，開發(fā)了io-7可直接進(jìn)行回歸分析的工具，即通過選定飼料樣本，確定自變量及因變量，便可獲得可視化的模擬圖形與模型，方便了飼料未知營養(yǎng)指標(biāo)的預(yù)測。本研究構(gòu)建的模型自變量均為飼料中化學(xué)成分，可按照國際通用的試驗方法測定獲得，這保證了預(yù)測模型的原始性與可靠性。但參與回歸的數(shù)據(jù)樣本量及自變量的不同組合會影響有效能值預(yù)測模型的回歸效果。本研究中，玉米類飼料DE、ME和NE模型的建立是基于NRC(2012)飼料營養(yǎng)成分表中第20～33號飼料的營養(yǎng)成分?jǐn)?shù)值(n=14)，而參與大豆類飼料DE、ME和NE模型建立的數(shù)據(jù)集是第89～104號飼料(第97、101及102號飼料因缺省有效能值而剔除)共13種飼料的飼料營養(yǎng)成分?jǐn)?shù)值(n=13)，樣本量相對偏少而影響模型的擬合效果，因此，飼料樣本基礎(chǔ)營養(yǎng)成分?jǐn)?shù)據(jù)庫仍需大量積累，并需結(jié)合豬的消化試驗和代謝試驗獲得飼料原料有效能值的實測值，從而改善模型的預(yù)測效果。自變量的組合是影響模型擬合效果的另一重要因素。當(dāng)將 CP、EE、ST、ash、NDF和ADF全部作為自變量參與有效能值預(yù)測模型擬合時，無法建立合理有效的模型(結(jié)果中未列出)，原因可能是 CP、EE、ST、NDF、ADF、CF 之間存在顯著或極顯著的相關(guān)性，各營養(yǎng)成分之間相互影響而影響模型的擬合效果，故本研究建立的有效能值預(yù)測模型主要為二元方程、三元方程和四元方程。另外，NRC(2012)飼料營養(yǎng)成分表中新增了AEE指標(biāo)，其中AEE是指利用酸水解法測定的脂類總量，與索氏萃取法測定的EE相比，AEE除脂肪外還包括脂溶性有機(jī)酸、脂溶性維生素、固醇類和色素等，故AEE更能反映飼料原料的脂肪水平［17］;本研究試圖以AEE為自變量估測玉米類飼料的有效能值，發(fā)現(xiàn)無法建立AEE與有效能值的預(yù)測模型，可能是因為具有AEE數(shù)值的飼料樣本量(n=8)不足。

在評定飼料有效能時，除了預(yù)測因子的數(shù)量和組合模型外，飼糧類型對模型預(yù)測效果的影響也很重要。大量研究證明了飼料分類建立模型的優(yōu)勢:Morgan 等［18］、何英［19］和 Wiseman 等［20］均通過試驗證明飼料分類建立模型能提高預(yù)測準(zhǔn)確性，因同類飼料營養(yǎng)成分的同質(zhì)性高、相關(guān)性強(qiáng)，因而其估測值更加可靠。本研究發(fā)現(xiàn)，將NRC(2012)所有飼料原料的營養(yǎng)成分表作為數(shù)據(jù)來源，建立的有效能值回歸模型預(yù)測效果較差，若按照玉米類和大豆類2大類進(jìn)行劃分，則可建立有效的預(yù)測模型，提高了預(yù)測結(jié)果的準(zhǔn)確性，但由于數(shù)據(jù)樣本量有限無法更加細(xì)分，飼料類型對預(yù)測準(zhǔn)確度的影響程度還有待進(jìn)一步探討。

3.2 DE、ME和NE預(yù)測模型的差異

對比上述表3和表5，表4和表6發(fā)現(xiàn)，同類飼料的DE與ME模型相比，ME與營養(yǎng)成分之間的擬合度較低，間接地說明飼料原料的ME數(shù)值不能簡單地按DE換算?？赡茉蚴秋暳系腗E除與飼料本身的營養(yǎng)成分相關(guān)外，還受動物、環(huán)境及其他因素的影響，導(dǎo)致不同飼料的代謝率存在差異而引起化學(xué)成分與ME的回歸效果略遜于DE。同時，同類飼料，具有相同自變量組合的DE與ME預(yù)測模型，兩者之間的差異主要是變量CP的系數(shù)，而其他自變量系數(shù)及截距數(shù)值都非常接近，同時 May 等［21］、Noblet［22］、Noblet等［4］，中國農(nóng)業(yè)科學(xué)院畜牧研究所等［16］研究構(gòu)建了通過DE和CP預(yù)測ME的模型，上述結(jié)果均表明CP對DE轉(zhuǎn)化為ME的利用率方面起重要的作用。本研究與上述研究相比，直接建立了ME與飼料的基礎(chǔ)成分之間的關(guān)系模型，減少了通過DE間接計算ME而產(chǎn)生的累積誤差，同時反映了CP對ME的貢獻(xiàn)效果。而同類飼料具有相同自變量組合的NE與ME預(yù)測模型之間，常數(shù)項，自變量CP、EE、ST和NDF、ADF的系數(shù)均差異較大，同時，NRC(2012)中引用的 Noblet等［23］NE 預(yù)測模型除了DE或ME之外，還包括了 EE、ST、CP和 ADF參數(shù)，并增加了Blok［24］的NE模型［包括可消化酸水解粗脂肪(DEEh)、酶可降解淀粉(Starcham)、酶可降解糖類(Suge)及可發(fā)酵碳水化合物(FCH)指標(biāo)］，說明ME轉(zhuǎn)化為NE的效率受多個營養(yǎng)成分含量及其消化率的影響，從而引起不同飼料原料能量利用率的差異，進(jìn)一步證明NE是評價飼料原料真實能值的最準(zhǔn)確的指標(biāo)［25］。但 ST、糖類含量，CP和EE消化率等數(shù)值的不足是限制當(dāng)前NE預(yù)測模型準(zhǔn)確性的因素，目前NE的預(yù)測仍是以飼料營養(yǎng)成分結(jié)合DE或ME為主。

4 結(jié)論

① 基于NRC(2012)最新飼料營養(yǎng)成分表，以飼料化學(xué)成分為自變量，建立適用于所有飼料的有效能值回歸模型預(yù)測效果較差，但可按照飼料類型分類建立有效能值模型。

②建立玉米類飼料與大豆類飼料原料有效能值的預(yù)測方程時，最優(yōu)的預(yù)測因子為CP、EE、ST、ash、NDF、ADF。同類飼料具有相同自變量組合的DE和ME模型的主要差異是變量CP的系數(shù)，NE與ME預(yù)測模型之間各自變量的系數(shù)均不相同。

③本研究建立推薦的有效能值預(yù)測模型如下:

［1］ NRC.Nutrient requirements of swine［M］.11th ed.Washington，D.C.:National Academy Press，2012.

［2］ NRC.Nutrient requirements of swine［M］.10th ed.Washington，D.C.:National Academy Press，1998.

［3］ EWAN R C.Predicting the energy utilization of diets and feed ingredients by pigs［C］//VAN DER HONING Y，CLOSE W H.Energy Metabolism of Farm Animals［P］.Pudoc，Wageningen，the Netherlands:EAAP Publication，1989，43:215 －218.

［4］ NOBLET J，PEREZ J M.Prediction of digestibility of nutrients and energy values of pig diets from chemical analysis［J］.Journal of Animal Science，1993，71(12):3389－3398.

［5］ SAUVANT D，PEREZ J-M，TRAN G.Tables of Composition and nutritional value of feed materials［M］.2nd ed.Wageninge:Wageningen Academic Publishers，2004.

［6］ KIM J C，SIMMINS P H，MULLAN B P，et al.The digestible energy value of wheat for pigs，with special reference to the post-weaned animal［J］.Animal Feed Science and Technology，2005，122(3/4):257 －287.

［7］ WAN H F，CHEN W，QI Z L，et al.Prediction of true metabolizable energy from chemical composition of wheat milling by-products for ducks［J］.Poultry Science，2009，88(1):92 －97.

［8］ HUANG Q，PIAO X S，REN P，et al.Prediction of digestible and metabolizable energy content and standardized ileal amino acid digestibility in wheat shorts and red dog for growing pigs［J］.Asian-Australasian Journal of Animal Sciences，2012，25(12):1748 －1758.

［9］ HUANG Q，SHI C X，SU Y B，et al.Prediction of the digestible and metabolizable energy content of wheat milling by-products for growing pigs from chemical composition［J］.Animal Feed Science and Technology，2014，196:107 －116.

［10］ NORUSIS M.SPSS 16.0 Statistical Procedures Companion［M］.Prentice Hall Press，2008.

［11］ SASInstitute.The SASSystem for Windows，Software，Release 8.01［Z］.Cary，NC:SASInst.Inc.，2000.

［12］ 許振英.生長肥育豬的營養(yǎng)［J］.養(yǎng)豬，1991(4):37－43.

［13］ DIGGSB G，BEEKER D E，TERRILL S W，et al.The energy value of various feedstuffs for the young pig［J］.Journal of Animal Science，1959，18:1482 －1486.

［14］ DIGGS B G，BEEKER D E，JENSEN A H，et al.Energy value of various feeds for the young pig［J］.Journal of Animal Science，1965，24(2):555 －558.

［15］ AFZ，CEREOPA.Economic and technical feed data［DB/OL］［2013－11－04］.http://www.feedbase.com/index.php?Lang=E.

［16］ 中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，中國飼料數(shù)據(jù)庫情報網(wǎng)中心.飼料數(shù)據(jù)庫［DB/OL］［2014－09－07］.http://www.chinafeeddata.org.cn/.

［17］ 林建云，宋春生.膨化飼料中粗脂肪總量的測定［J］.臺灣海峽，2009(增刊):159 －163.

［18］ MORGAN D J，COLE D JA，LEWI SD.Energy values in pig nutrition.Ⅱ the prediction of energy values from dietary chemical analysis［J］.The Journal of Agricultural Science，1975，84(1):19 －27.

［19］ 何英.糠麩糟渣、餅粕類飼料豬有效能預(yù)測模型的研究［D］.碩士學(xué)位論文.雅安:四川農(nóng)業(yè)大學(xué)，2004.

［20］ WISEMAN I，COLE D J A.Predicting the energy content of pig feeds［M］//HARESIGN W.Recent Advances in Animal Nutrition-1983.London，1983:59－70.

［21］ MAY R M，BELL J M.Digestible and metabolizable energy values of some feeds for the growing pig［J］.Canadian Journal of Animal Science，1971，51(2):271－278.

［22］ NOBLET J，F(xiàn)ORTUNE H，DUBOIS S，et al.Nouvelles bases d’estimations des teneurs energie digestible，métabolisable et nette des aliments pour le porc［M］.Paris:Institut National de La Recherche Agrimonigue，1989.

［23］ NOBLET J，F(xiàn)ORTUNE H，SHI X S，et al.Prediction of net energy values for growing pigs［J］.Journal of Animal Science，1994，72(2):344 －354.

［24］ BLOK M C.Development of a new NE formula by CVB using the database by INRA［C］//Presystems Workshop，Net Energy Systems for Growing and Fattening Pigs.Vejle，Denmark，2006.

［25］ 孫獻(xiàn)忠，熊本海.用飼料化學(xué)成分預(yù)測豬飼料能值的研究進(jìn)展［J］.中國畜牧獸醫(yī)，2006，33(11):19 －23.