论文部分内容阅读
本试验在用比较屠宰法实测25个棉粕样品净能(NE)值的基础上,分别研究了用傅里叶近红外(NRS)和化学成分两种方法建立NE预测模型的可行性。方法：(1)棉粕NE值采用维持NE(NEm)+沉积NE(NEp)的方法。其中NEm用回归法测定,设自由采食及限饲20%、40%、60%和80%5个采食梯度,NEp采用套算法测定,每个棉粕样品作为一个处理；每个梯度或处理设6个重复,每个重复2只鸡。实验动物为382只7日龄末空腹康达尔黄羽肉公鸡,平均体重62.20±0.64g,试验期为7天。(2)按水分和NE分布将25个棉粕样品划分为17个样品的校正集1和8个样品的外部验证集,将校正集1的棉粕样品分为5份,调整水分含量到9～10%、10～11%、11～12%、12～13%和13～14% 5个水分区间作为校正集2。分别以校正集1和2建立自然状态的NIRS预测模型M1和扩大水分背景的模型M2。(3)将25个棉粕样品的AME. CP、EE、CF、NDF、ADF和Ash等7种成分值与NE值进行一元和多元线性回归分析。结果如下：(1)M1、M2的校正决定系数(Rcal2)分别为0.999、0.985,校正标准差(RMSEE)分别为0.033、0.084 MJ/kg DM,交叉验证决定系数(Rcv2)分别为0.966、0.967,交叉验证标准差(RMSECV)分别为0.120、0.117 MJ/kg DM,预测决定系数(Rval2)分别为0.843、0.957,预测标准差(RMSEP)分别为0.260、0.136MJ/kg DM,两模型预测值与实测值配对t检验结果均不显著(P>0.05)。(2)用化学成分结合AME所建最佳预测方程的R2和RSD分别为0.985和0.093MJ/kg DM,预测值与实测值配对t检验结果不显著(P>0.05)。结果表明：(1)通过扩大背景水分区间可以较少样品数建立效果较好的傅里叶近红外棉粕NE预测模型；(2)用化学成分结合AME可建立预测效果可靠的棉粕NE预测模型,最佳预测公式为NE=2.655+0.530AME-3.366CP+9.287EE-2.715CF; (3) NIRS所建M2模型的预测效果与AME结合化学成分所建模型相当。