- EN / 中文
本研究旨在評估不同生長期育肥豬的凈能量（NE）分配模式，并利用非線性回歸（NLR）和人工神經網絡（ANN）建立相應的預測模型。
將24頭初始體重（BW）為30公斤左右的豬飼養在代謝籠中并自由采食，并輪流轉移到六個呼吸室，直到約90公斤。基于間接測熱法和氮平衡技術計算了凈能分配模式，即維持凈能（NEm）、沉積為蛋白質的NEp和沉積為脂肪的NE（NEl）。然后，將通過動物試驗收集的能量平衡數據隨機分成包含75%樣本的訓練數據集和包含其它25%樣本的測試數據集。在訓練數據集上建立非線性回歸模型和一系列人工神經網絡模型，預測豬的代謝能攝入、維持凈能、蛋白沉積凈能NEp和脂肪沉積凈能NEl。在訓練數據集中通過5倍交叉驗證選擇最佳擬合ANN模型。在測試數據集上比較了最佳擬合NLR和ANN模型的預測性能。
結果表明，30-45 kg、45-60 kg、60-75 kg和75-90 kg豬的平均NE攝入量分別為17.71、23.25、24.56和28.96 MJ/d。隨著體重從30 kg增加到90 kg，維持凈能NEm和脂肪沉積凈能NEl（MJ/d）不斷增加，而蛋白沉積凈能NEp增加到最大值，然后保持在4.64-4.88 MJ/d的一定范圍內。30-90公斤生豬維持凈能NEm的比例保持在42.0%-48.6%的范圍內，而脂肪沉積凈能NEl的比例不斷增加。
對于基于動物試驗構建的預測模型，ANN模型在所有目標輸出方面都表現出比NLR模型更好的性能。綜上所述，豬不同生長階段凈能分配模式發生變化，人工神經網絡ANN模型在預測生長育肥豬凈能分配模式方面比非線性回歸NLR模型更靈活、更強大。
2023. J. Anim. Sci. 101(1): skac405
DOI：https://doi.org/10.1093/jas/skac405
