本发明属于家禽饲料与营养技术领域，涉及一种预测鹅对粗饲料养分利用率的方法。
背景技术：
我国肉鹅养殖量和存栏量居世界首位，饲料以玉米、豆粕为主要原料的常规饲料。随着养鹅业的飞速发展以及饲料原料价格上涨，养殖成本迅速增加，常规饲料原料已不能满足肉鹅生产和产业发展的需要，粗饲料的开发和利用成为动物营养学者们关注的焦点。鹅具有特殊的生理结构，肌胃强健、消化道长、盲肠发达，同时肠道内微生物种类丰富，能够有效消化利用饲料中的蛋白质和纤维成分，适量添加粗饲料可以促进鹅的健康生长还可以节约养殖成本。然而，粗饲料种类繁多，营养成分含量差异较大，动物能否消化，存在巨大疑问。因此，对粗饲料进行营养价值评价十分必要。
营养成分养分利用率是鹅对饲料消化情况重要指标。常规的养分利用率的测定方法有套算法、强饲法等。需要选择相应的动物进行的消化代谢试验，收集粪便，分析饲料和粪便营养成分，进而得出相应的养分利用率。虽然结果较为可靠，但是需要一定数量的试验动物，操作步骤较为繁琐，需要专业操作和设备，且耗时耗力。另外，对每种粗饲料进行动物消化代谢试验，才得到养分利用率，成本太高可行性低。因此，寻求快速准确的方法来测定养分利用率，并以此评价粗饲料的营养价值就显得十分必要。研究表明饲料营养成分与动物的消化代谢有极强的相关性，因此通过建立合理的数学模型，利用饲料的常规营养成分来预测鹅对粗饲料的消化代谢参数，从而准确快速地评定粗饲料营养价值。建立养分利用率预测方法对粗饲料营养价值的评价和利用具有重要意义。目前，尚未提出鹅对粗饲料主要营养成分养分利用率的预测方法。
技术实现要素：
为了解决现有技术中存在的问题，本发明提供了一种快速准确、易于操作的预测鹅对粗饲料养分利用率和代谢能力的方法。
具体的，本发明提供的预测鹅对粗饲料养分利用率的方法，包括如下步骤：
S1：选择不同种类的待预测粗饲料，分别测定每种待预测粗饲料的原始营养成分粗蛋白质CP、粗纤维CF、中性洗涤纤维NDF、酸性洗涤纤维ADF、钙含量Ca、磷含量P和总能含量GE；
S2：选用与S1对应的不同种类的待预测粗饲料喂鹅，单笼饲养，进行每种待预测粗饲料的消化代谢试验，收集粪便，分别测定饲喂每种待预测粗饲料所产生的粪便中营养成分粗蛋白质CP、粗纤维CF、中性洗涤纤维NDF、酸性洗涤纤维ADF、钙含量Ca、磷含量P、总能含量GE；
S3：根据每种待预测粗饲料的原始营养成分和粪便营养成分，分别计算得出每种待预测粗饲料中营养成分粗蛋白质CP、粗纤维CF、中性洗涤纤维NDF、酸性洗涤纤维ADF、钙含量Ca、磷含量P的养分利用率；
S4：对S3计算得出的所有待预测粗饲料的各营养成分的养分利用率进行多元线性回归分析，剔除干扰因素后，分别得出每种营养成分的养分利用率的最优预测方程；
所述粗蛋白质CP的最优预测方程为：CP预＝116.33－1.87CF－2.8CP－1.63Ca－0.37P；所述中性洗涤纤维的最优预测方程为：NDF预＝－8.78－1.45CF+1.03CP+2.08NDF+0.24Ca；所述酸性洗涤纤维的最优预测方程为：ADF预＝37.92－1.84CP－2.48ADF+2.09NDF－1.09Ca+0.52P+1.68GE；所述粗纤维的最优预测方程为：CF预＝33.91－1.99CF+1.11ADF+0.65NDF－0.36Ca－0.66GE；所述钙含量Ca的最优预测方程为：Ca预＝16.36－2.43CF+1.89CP+2.98NDF－0.41Ca－0.26P－0.65GE；所述磷含量P的最优预测方程为：P预＝20.72－1.38CF+1.17NDF－0.28Ca+0.2P；
其中：CF、CP、Ca、P、NDF、ADF、GE为待预测粗饲料的原始营养成分，它们的单位均为％；
S5：选择一种用于饲喂鹅的粗饲料进行养分利用率预测，测定该粗饲料的原始营养成分数据CF、CP、Ca、P、NDF、ADF和GE，将原始营养成分数据CF、CP、Ca、P、NDF、ADF、GE带入S4中各营养成分的养分利用率的最优预测方程中，计算出的值即为该粗饲料的养分利用率。
本发明提供的预测鹅对粗饲料养分利用率的方法，剔除了干扰因素，优化了预测模型，因而精确度较高。本发明提供的预测方法具有操作简易方便，快速高效等优点，可用于鹅粗饲料营养价值的快速评价。
具体实施方式
为了使本领域技术人员更好地理解本发明的技术方案能予以实施，下面结合具体实施例对本发明作进一步说明，但所举实施例不作为对本发明的限定。
本发明建立了一种预测鹅对粗饲料养分利用率的方法，通过选取具有统计学意义的一定数量的多种粗饲料作为待预测粗饲料，分别测定每种待预测粗饲料的原始营养成分；同时，选用与之对应的粗饲料喂鹅，单笼饲养，进行消化代谢试验，收集粪便，测定粪便中营养成分；通过分析每种待预测粗饲料的原始营养成分和粪便营养成分，分别计算得出每种预测粗饲料中各营养成分的养分利用率；并对多种待预测粗饲料的各营养成分的养分利用率进行多元线性回归分析，剔除干扰因素后，分别得出粗饲料营养成分的养分利用率的最优预测方程。
具体的，粗饲料中各营养成分的养分利用率的最优预测方程如下：
所述粗蛋白质CP的最优预测方程为：CP预＝116.33－1.87CF－2.8CP－1.63Ca－0.37P；所述中性洗涤纤维的最优预测方程为：NDF预＝－8.78－1.45CF+1.03CP+2.08NDF+0.24Ca；所述酸性洗涤纤维的最优预测方程为：ADF预＝37.92－1.84CP－2.48ADF+2.09NDF－1.09Ca+0.52P+1.68GE；所述粗纤维的最优预测方程为：CF预＝33.91－1.99CF+1.11ADF+0.65NDF－0.36Ca－0.66GE；所述钙含量Ca的最优预测方程为：Ca预＝16.36－2.43CF+1.89CP+2.98NDF－0.41Ca－0.26P－0.65GE；所述磷含量P的最优预测方程为：P预＝20.72－1.38CF+1.17NDF－0.28Ca+0.2P；其中：CF、CP、Ca、P、NDF、ADF、GE均为待预测粗饲料的原始营养成分，它们的单位均为％；
通过测定某种粗饲料的营养成分，我们就能够对鹅粗饲料营养价值进行快速评价，这对鹅的精确饲养具有非常重要的意义。
下面以选择10种用于饲养鹅的粗饲料进行具体的试验验证。
选择10种用于饲养鹅的粗饲料，分别测定每种粗饲料中的粗蛋白质CP(％)、粗脂肪EE(％)、中性洗涤纤维NDF(％)、酸性洗涤纤维ADF(％)、钙Ca(％)、磷P含量(％)、总能含量GE(MJ/kg)，具体数据见表1。
表1粗饲料营养成分
将上述各营养成分结果带入相应的养分利用率的预测方程，分别得到营养物质CP、CF、NDF、ADF、Ca、P的养分利用率预测值。
然后采用相同的粗饲料喂鹅，单笼饲养，进行消化代谢试验，收集粪便，分析粗饲料的原始营养成分和粪便营养成分，计算得出营养物质CP、CF、NDF、ADF、Ca、P的养分利用率实测值，其中粗饲料营养成分CP利用率的实测值、预测值及二者的相对误差率见表2。
表2鹅对粗饲料CP利用率的预测值和实测值
由表2可以看出，在10种粗饲料CP利用率数据中，5种的预测值和实测值相对误差低于5％，占总数的50％；4种预测值和实测值相对误差在5-10％之间，占总数的40％，1种预测值和实测值相对误差大于10％，占总数的10％。
粗饲料营养成分NDF利用率的实测值、预测值及二者的相对误差率见表3所示：
表3鹅对粗饲料NDF利用率的预测值和实测值
由表3可以看出，在10种粗饲料NDF利用率数据中，5种的预测值和实测值相对误差低于5％，占总数的50％；另5种预测值和实测值相对误差在5-10％之间，占总数的50％。
粗饲料营养成分ADF利用率的实测值、预测值及二者的相对误差率见表4所示：
表4鹅对粗饲料ADF利用率的预测值和实测值
由表4可以看出，在10种粗饲料ADF利用率数据中，5种的预测值和实测值相对误差低于5％，占总数的50％，4种预测值和实测值相对误差在5-10％之间，占总数的40％，1种预测值和实测值相对误差大于10％，占总数的10％。
粗饲料营养成分CF利用率的实测值、预测值及二者的相对误差率见表5所示：
表5鹅对粗饲料CF利用率的预测值和实测值
由表5可以看出，在10种粗饲料CF利用率数据中，5种的预测值和实测值相对误差低于5％，占总数的50％；另5种预测值和实测值相对误差在5-10％之间，占总数的50％。
粗饲料营养成分Ca利用率的实测值、预测值及二者的相对误差率见表6所示：
表6鹅对粗饲料Ca利用率的预测值和实测值
由表6可以看出，在10种粗饲料Ca利用率数据中，8种的预测值和实测值相对误差低于5％，占总数的80％；另2种预测值和实测值相对误差在5-10％之间，占总数的20％。
粗饲料营养成分P利用率的实测值、预测值及二者的相对误差率见表7所示：
表7鹅对粗饲料P利用率的预测值和实测值
由表7可以看出，在10种粗饲料P利用率数据中，6种的预测值和实测值相对误差低于5％，占总数的60％；另4种预测值和实测值相对误差在5-10％之间，占总数的40％。
由上述数据及其分离可以看出，利用营养成分预测鹅对粗饲料养分利用率的回归方程对于各营养成分具有较为准确的预测效果，在鹅饲养中，具有非常重要的意义和应用。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，其保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内，本发明的保护范围以权利要求书为准。