|||
前 言
经30年发展,我国饲料业已形成一支“配方师”大军,成为我国饲料业进一步发展的主力。饲料配方设计技术是饲料生产的核心技术,配方科技含量决定饲料产品的竞争实力。科学技术不断进步,营养学家不断发布新成果,配方师与时俱进才是王道。
网上有很多饲料配方软件可免费下载。这些傻瓜型软件,总跟不上营养学发展,而微软的办公软件EXCEL提供了基本的数学规划程序,简单易学,易于变通,略加修改就可设计出线性规划、目标规划、甚至随机规划的饲料配方软件。规划饲料配方的数学模型不仅涉及复杂的数学问题,而且涉及数学与动物营养学的互动。营养学与数学的结合正在逐步形成一门新兴的交叉学科--动物营养模型。由于数学本身的普遍性、逻辑性、可操作性,使现代科学常借助数学模型技术来认识和处理研究对象,数学不再仅仅是处理数据的工具,数学模型化方法已成为现代高新技术研究的核心方法和技术,高新技术的出现已把现代社会推进到数学模型化方法的时代,动物科技领域也不例外。
设计饲料配方的关键技术之一是饲料营养水平标准的设计,其中最重要的是蛋白质水平的设置。大量研究表明,NRC(1998)推荐的蛋白质水平偏高,一般报道的结果是可以降低3~8个百分点而不影响猪的生产性能,这就是所谓的“低蛋白质日粮”。目前几乎普及的一个观念是,仔猪的蛋白质营养实际是氨基酸营养,饲养标准中的粗蛋白质指标好像是多余的,所以最新的美国养猪协会推荐的《国家猪营养指南》(NSNG,2010)干脆没有推荐粗蛋白质的营养水平,给人的印象好像是蛋白质水平可以很低。实际上,仔猪日粮的蛋白质水平太高易导致拉稀,太低又可能使猪体用昂贵的必需氨基酸合成非必需氨基酸。那么实践中,配方师该如何设置具体的饲养标准才最合适呢?本书给出了笔者在实际设计饲料配方时确定蛋白质水平的方法和原理。
关于饲料配方的可靠性(概率保证值),国内报道极少。国外有零星报道,但常为了易懂,简化一些复杂的数学问题,而正是这种简化,使得他们的结论令人啼笑皆非。例如,把饲养标准的养分指标提高1个标准差,就可以使饲料配方的可靠性从线性规划的50%提高到68%,要使可靠性提高到95%,
就需要提高2个标准差。这2个标准差的养分是多大的成本?这不等于把这种提高饲料配方可靠性的方法给枪毙了么?!正规饲料厂的新饲料配方要经过自己的动物试验。关于动物饲养试验技术,本有很多专著,但就国内发表的研究报告看,不仅常发现试验设计问题,而且对试验结果的统计处理,也常可商榷甚至错误。如何以最少经费得到可靠试验结论?这就是最佳试验设计问题。国内生产实践和科学研究,每年有大量动物饲养试验,最佳试验设计及其统计分析方法无疑极具价值。然而所谓最佳试验设计,常是不平衡设计,这种试验设计的统计分析方法需要线性模型技术。
反转试验(交叉设计)是一般生物统计学书上介绍较多的设计方案之一。在比较反转试验(交叉设计)相对于平行设计(例如完全随机设计)时,Louis, Lavori, Bailar, and Polansky(1984) 指出,“就试验动物数而言,交叉设计的效率可能比平行设计高十倍”;Garcia et al. (2004) 也认为,要达到相同试验效率,“平行设计需要的试验动物是交叉设计的4~10倍”。通过分析交叉设计的数学模型,笔者有幸发现了经典交叉设计的不足,并给出了改进的交叉设计及其统计分析方法。
总之,饲料配方设计技术要求复杂的数学方法为基础。动物科技工作者,数学造诣的深浅,决定了你在科学上能走多远。
本书系统总结了仔猪饲料配方设计的动物营养模型技术,其中很多内容凝聚着笔者的研究成果和实践经验,例如关于仔猪生长模型、仔猪饲料产品标准的设计理念、仔猪营养方案的运筹、饲料配方的线性规划、目标规划和随机规划方法的数学模型及其使用、饲料配方设计的可靠性及其精确性、动物饲养试验的最佳设计与试验结果的统计分析、反转试验(交叉设计)的改进,等。
书稿1998年在校内第一次印刷,此后不断修改,由于时间太长,许多参考文献已无法找到出处,只有在此向原作者表示感谢和歉意。限于作者学识和技术水平,书中难免不足甚至错误之处,恳望读者不吝赐教。我的电子信箱是:hdwangjihua@126.com
王继华2011年10月10日星期一
于河北工程大学动物科学系
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-20 07:17
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社