1～21日齡黃羽肉雞棉籽粕傅里葉近紅外及化學(xué)成分凈能預(yù)測(cè)模型研究

陳玉娟 賈 剛 吳秀群 王康寧

(四川農(nóng)業(yè)大學(xué)動(dòng)物營(yíng)養(yǎng)研究所，雅安 625014)

1～21日齡黃羽肉雞棉籽粕傅里葉近紅外及化學(xué)成分凈能預(yù)測(cè)模型研究

陳玉娟 賈 剛 吳秀群 王康寧*

(四川農(nóng)業(yè)大學(xué)動(dòng)物營(yíng)養(yǎng)研究所，雅安 625014)

本試驗(yàn)在用比較屠宰法實(shí)測(cè)25個(gè)棉籽粕樣品凈能(NE)值的基礎(chǔ)上，旨在研究用傅里葉近紅外(NIRS)和化學(xué)成分2種方法建立的NE預(yù)測(cè)模型的可行性，并比較2種預(yù)測(cè)模型的預(yù)測(cè)效果。1)棉籽粕NE值的測(cè)定采用維持NE(NEm)+沉積NE(NEp)的方法。其中NEm用回歸法測(cè)定，設(shè)自由采食及限飼20%、40%、60%和80%5個(gè)采食梯度，NEp采用套算法測(cè)定;每個(gè)梯度和棉籽粕樣品均設(shè)6個(gè)重復(fù)，每個(gè)重復(fù)2只雞。試驗(yàn)動(dòng)物為382只平均體重為(62.20±0.64)g的7日齡末空腹康達(dá)爾黃羽肉公雞，試驗(yàn)期為7 d。2)分別建立自然狀態(tài)和擴(kuò)大水分背景的NIRS預(yù)測(cè)模型M1和M2。3)將25個(gè)棉籽粕樣品的表觀代謝能(AME)、粗蛋白質(zhì)、粗脂肪、粗纖維、中性洗滌纖維、酸性洗滌纖維和灰分7種成分值與NE值進(jìn)行一元和多元線性回歸分析。結(jié)果如下:1)M1、M2的校正決定系數(shù)(R2cal)分別為 0.999、0.985，校正標(biāo)準(zhǔn)差(RMSEE)分別為0.033、0.084 MJ/kg DM，交叉驗(yàn)證決定系數(shù)(R2cv)分別為 0.966、0.967，交叉驗(yàn)證標(biāo)準(zhǔn)差(RMSECV)分別為 0.120、0.117 M J/kg DM，預(yù)測(cè)決定系數(shù)(R2val)分別為 0.843、0.957，預(yù)測(cè)標(biāo)準(zhǔn)差(RMSEP)分別為0.260、0.136 M J/kg DM，2個(gè)模型預(yù)測(cè)值與實(shí)測(cè)值配對(duì)t檢驗(yàn)結(jié)果均不顯著(P＞0.05)。2)用化學(xué)成分結(jié)合AME建立的最佳預(yù)測(cè)方程的R2和RSD分別為0.985和0.093 M J/kg DM。結(jié)果表明:1)應(yīng)用NIRS和AME結(jié)合化學(xué)成分均能建立預(yù)測(cè)效果可靠的棉籽粕NE預(yù)測(cè)模型;2)NIRS所建M2模型的預(yù)測(cè)效果與AME結(jié)合化學(xué)成分所建模型相當(dāng)。

黃羽肉雞;NE;預(yù)測(cè);近紅外;水分校正

在雜粕型飼糧中采用凈能(NE)體系評(píng)價(jià)能量比采用代謝能(ME)體系更加準(zhǔn)確。但實(shí)測(cè)NE非常困難，限制了NE體系的推廣和應(yīng)用，在實(shí)際生產(chǎn)中可以使用可靠的預(yù)測(cè)模型對(duì)原料NE值進(jìn)行估計(jì)。目前，采用比較屠宰試驗(yàn)結(jié)合回歸法和套算法實(shí)測(cè)黃羽肉雞飼料原料NE值的方法已比較成熟，Huan 等［1］、張正帆等［2］應(yīng)用該方法分別測(cè)得了較為準(zhǔn)確的玉米和豆粕的NE值，并在此基礎(chǔ)上用化學(xué)成分并結(jié)合表觀代謝能(AME)建立了黃羽肉雞玉米和豆粕的NE預(yù)測(cè)模型，發(fā)現(xiàn)AME結(jié)合化學(xué)成分所建模型優(yōu)于只用化學(xué)成分所建立的模型。張正帆等［2］通過(guò)擴(kuò)大背景水分區(qū)間以較少樣品建立了較理想的傅里葉近紅外(NIRS)模型，且與AME結(jié)合化學(xué)成分所建模型效果相當(dāng)。在1～21日齡的黃羽肉雞上已先后建立了玉米和豆粕的NE預(yù)測(cè)模型，針對(duì)這一生長(zhǎng)階段的黃羽肉雞的NE預(yù)測(cè)研究正逐漸形成一個(gè)完整可用的數(shù)據(jù)體系。但目前關(guān)于棉籽粕NE值的報(bào)道還較少，有待驗(yàn)證，且黃羽肉雞棉籽粕的NE預(yù)測(cè)模型也還未見(jiàn)報(bào)道。本試驗(yàn)以1～21日齡康達(dá)爾黃羽肉雞為動(dòng)物模型，在實(shí)測(cè)25個(gè)棉籽粕樣品NE值的基礎(chǔ)上，分別研究了通過(guò)擴(kuò)大背景水分區(qū)間以較少樣品數(shù)建立效果較好的NIRS NE預(yù)測(cè)模型的可行性，以及用化學(xué)成分并結(jié)合AME建立棉籽粕NE預(yù)測(cè)模型的可行性，并對(duì)2種預(yù)測(cè)模型的預(yù)測(cè)效果進(jìn)行比較。

1 材料與方法

1.1 棉籽粕NE值的測(cè)定

棉籽粕NE值的測(cè)定采用維持NE(NEm)+沉積NE(NEp)的方法。其中NEm的測(cè)定采用回歸法，設(shè)自由采食、限飼20%、40%、60% 和80%5個(gè)采食梯度，NEp的測(cè)定采用套算法。每個(gè)采食梯度和棉籽粕樣品均設(shè)6個(gè)重復(fù)，每個(gè)重復(fù)2只雞。試雞均為饑餓36 h后空腹、平均體重為(62.20±0.64)g的7日齡末黃羽肉公雞，共382只，試驗(yàn)期為7 d。測(cè)定NEm的試驗(yàn)飼糧賴氨酸(Lys)水平參照于葉娜等［3］提出的真可消化賴氨酸(TDLys)含量為0.99%，氨基酸平衡模式參照NRC(1994)和 Baker［4］，其余各養(yǎng)分水平參照中國(guó)黃羽肉雞飼養(yǎng)標(biāo)準(zhǔn)(NY/T 33—2004)配制。測(cè)定NEp的基礎(chǔ)飼糧粗蛋白質(zhì)(CP)水平作適當(dāng)下調(diào)，使頂替15%棉籽粕后的測(cè)試飼糧的CP水平與按NRC(1994)標(biāo)準(zhǔn)配制的玉米－豆粕型飼糧相近［2］。數(shù)據(jù)采用EXCEL軟件進(jìn)行統(tǒng)計(jì)分析，試驗(yàn)結(jié)果用平均值±標(biāo)準(zhǔn)差表示。

1.2 近紅外NE預(yù)測(cè)模型的建立

按照水分和NE分布從25個(gè)棉籽粕樣品中選擇8個(gè)自然狀態(tài)的樣品作為外部驗(yàn)證集，其余17個(gè)樣品作為校正集 1;將校正集1各樣品分為5份，并將5份樣品水分含量分別調(diào)整到9%～10%、10% ～11%、11% ～12%、12% ～13%、13% ～14%5個(gè)區(qū)間，作為校正集 2;用 OPUS/QUENT 5.5光譜定量分析軟件，以最小交叉驗(yàn)證標(biāo)準(zhǔn)差(RMSECV)為指標(biāo)，篩選棉籽粕樣品建模的最佳預(yù)處理方法，分別以校正集1和2建立NIRS預(yù)測(cè)模型M1和M2，并對(duì)2個(gè)模型進(jìn)行外部檢驗(yàn)，考察2個(gè)模型的預(yù)測(cè)決定系數(shù)(R2val)和預(yù)測(cè)標(biāo)準(zhǔn)差(RMSEP)，對(duì)NE的實(shí)測(cè)值和NIRS預(yù)測(cè)值進(jìn)行配對(duì)t檢驗(yàn)。各項(xiàng)指標(biāo)計(jì)算公式如下:

式中，n為樣品數(shù);為第i個(gè)樣品的預(yù)測(cè)值;yi為第i個(gè)樣品的實(shí)測(cè)值;ym為樣本實(shí)測(cè)值的平均值。R2接近100%表示預(yù)測(cè)值接近實(shí)測(cè)值。

預(yù)測(cè)標(biāo)準(zhǔn)差越小，表示近紅外預(yù)測(cè)值與實(shí)測(cè)值越接近。

預(yù)測(cè)相對(duì)標(biāo)準(zhǔn)差RSD(%)=(RMSEP/ymp)×100。

式中，ymp表示驗(yàn)證集實(shí)測(cè)值的平均值;RSD反映模型對(duì)總體的預(yù)測(cè)效果，值越小越好。

1.3 化學(xué)成分和AME預(yù)測(cè)棉籽粕NE模型的建立

測(cè)定25個(gè)棉籽粕樣品的 AME、CP、粗脂肪(EE)、粗纖維(CF)、中性洗滌纖維(NDF)、酸性洗滌纖維(ADF)、灰分(Ash)，用 SPSS 17.0統(tǒng)計(jì)軟件對(duì)以上指標(biāo)與實(shí)測(cè)NE值進(jìn)行回歸分析，建立一元和多元棉籽粕NE預(yù)測(cè)模型。選擇擬合效果較優(yōu)的預(yù)測(cè)方程對(duì)1.2中的8個(gè)外部驗(yàn)證集棉籽粕樣品進(jìn)行預(yù)測(cè)，將實(shí)測(cè)值和預(yù)測(cè)值進(jìn)行配對(duì)t檢驗(yàn)，篩選最佳預(yù)測(cè)方程。

2 結(jié)果與分析

2.1 棉籽粕的化學(xué)成分含量和AM E、NE值

表 1列出了各棉籽粕樣品的 CP、EE、CF、NDF、ADF和Ash的含量及AME、NE和NE/AME值的范圍和均值。

2.2 棉籽粕NE的NIRS預(yù)測(cè)模型

校正集和驗(yàn)證集的NE值和水分含量見(jiàn)表2，棉籽粕NE的NIRS建模條件見(jiàn)表3，所建模型的校正、交叉驗(yàn)證、外部驗(yàn)證參數(shù)及實(shí)測(cè)值與預(yù)測(cè)值的配對(duì)t檢驗(yàn)結(jié)果見(jiàn)表4。

由表4可見(jiàn)，2個(gè)模型的校正決定系數(shù)()和交叉驗(yàn)證決定系數(shù)()均較高，都在 0.96以上;校正標(biāo)準(zhǔn)差(RMSEE)和 RMSECV均小于0.12 M J/kg DM，表明模型擬合效果較好。M1、M2對(duì)外部驗(yàn)證集樣品的預(yù)測(cè)值與實(shí)測(cè)值配對(duì)t檢驗(yàn)結(jié)果均未達(dá)到顯著水平(P＞0.05)，即預(yù)測(cè)值與實(shí)測(cè)值之間差異不顯著(P＞0.05)，2個(gè)模型對(duì)外部驗(yàn)證集樣品的預(yù)測(cè)結(jié)果較可靠。但2個(gè)模型預(yù)測(cè)決定系數(shù))分別為0.843和 0.957，RMSEP分別為0.260和 0.136，可見(jiàn) M2的預(yù)測(cè)效果優(yōu)于M1。

表1 棉籽粕化學(xué)成分含量、AM E、NE和NE/AME的范圍和均值(干物質(zhì)基礎(chǔ))Table 1 The range and mean of chem ical composition and the values of AME，NE and NE/AME of cottonseed meals(DM basis)

表2 校正集和驗(yàn)證集的NE值(干物質(zhì)基礎(chǔ))和水分含量Table 2 NE values(DM basis)and moisture contents in calibration and verification sets

表3 棉籽粕NE的NIRS建模條件Table 3 The NIRSmodeling conditions of NEs of cottonseed meals

表4 NIRS預(yù)測(cè)模型的校正、交叉驗(yàn)證、外部驗(yàn)證參數(shù)及配對(duì)t檢驗(yàn)結(jié)果Table 4 Calibration，cross validation，prediction statistics and P-values of paired-sam ples t test for NIRS predictivemodels

2.3 棉籽粕NE的化學(xué)成分預(yù)測(cè)模型

通過(guò)線性回歸分析得到一元及多元棉籽粕NE預(yù)測(cè)方程，含不同預(yù)測(cè)因子數(shù)的最佳預(yù)測(cè)方程列在表5中。方程1～3為僅使用化學(xué)成分作為預(yù)測(cè)因子建立的模型，方程4～10為AME結(jié)合化學(xué)成分得到的回歸模型。由表5可見(jiàn)，隨預(yù)測(cè)因子數(shù)增加，方程擬合度升高，RSD值減小。在預(yù)測(cè)因子數(shù)相同的情況下，AME結(jié)合化學(xué)成分建立的NE預(yù)測(cè)方程優(yōu)于只用化學(xué)成分建立的預(yù)測(cè)方程。從R2和RSD值看，方程8、9、10的擬合效果較好。

表5 棉籽粕化學(xué)成分及AME與NE的一元及多元回歸方程(干物質(zhì)基礎(chǔ))Table 5 One-dimensional linear regression equation and multivariate linear regression equations for chem ical composition and AMEs with NEs(DM basis)

表6列出了方程8、9、10對(duì)外部驗(yàn)證集8個(gè)樣品的預(yù)測(cè)結(jié)果，方程8和10的預(yù)測(cè)結(jié)果較好，預(yù)測(cè)值與實(shí)測(cè)值之間差異不顯著(P＞0.05);方程9的預(yù)測(cè)值與實(shí)測(cè)值之間的差異達(dá)到顯著水平(P＜0.05)。

表6 回歸方程對(duì)外部驗(yàn)證集的預(yù)測(cè)結(jié)果Table 6 The predictive results of regression equations for prediction set

3 討論

3.1 棉籽粕的凈能值

本試驗(yàn)測(cè)得25個(gè)棉籽粕樣品的NE值范圍為5.00～7.48 MJ/kg DM，相對(duì) AME 的轉(zhuǎn)化率為58.38% ～ 63.51%。Fraps［5］測(cè) 定 了 48.00% 、45.00%、43.00% 、43.00%、41.12%、41.00% 和41.00%的 7 種棉粕的 NE 值分別為 7.54、6.80、6.87、6.62、6.57、6.59 和 6.24 MJ/kg DM，均在本試驗(yàn)測(cè)定的NE值范圍以內(nèi)。MacLeod［6］用Nehring［7］和 De Groote［8］提出的預(yù)測(cè)公式計(jì)算得到的NE值相對(duì)ME的轉(zhuǎn)化率為63%，也在本試驗(yàn)測(cè)得的范圍內(nèi)。以上表明本試驗(yàn)測(cè)得的棉籽粕NE值比較準(zhǔn)確。

3.2 棉籽粕NE的NIRS預(yù)測(cè)模型

根據(jù)Xiccato等［9］提出的理論，飼糧能值與原料中CP、EE、CF等成分在近紅外譜區(qū)內(nèi)的倍頻及合頻吸收相關(guān)，李靜［10］報(bào)道，棉籽粕樣品中水分在4 903－1有O—H鍵合頻吸收峰，該峰會(huì)引起蛋白質(zhì)在4 677－1處的吸收峰和纖維在4 427－1處的吸收峰向遠(yuǎn)波區(qū)偏移。因此，樣品中水分的含量必然影響NE預(yù)測(cè)的準(zhǔn)確性。本試驗(yàn)中所建M2模型的優(yōu)化譜區(qū)范圍包括了 7 502.1－1～6 098.1－1和5 450.1－1～4 246.7－12 個(gè)區(qū)段，恰好將李勇等［11］報(bào)道的表征水分特性的最佳光譜區(qū)間為7 502.2－1～6 098.2－1和 4 601.6－1～4 246.7－1包含在內(nèi)。表明M2對(duì)樣品所含水分進(jìn)行了有效校正。從外部驗(yàn)證集的檢驗(yàn)結(jié)果也看出，M2的、RMSEP和配對(duì)t檢驗(yàn)P值均優(yōu)于M1，表明擴(kuò)大樣品背景水分能夠消除水分對(duì)預(yù)測(cè)結(jié)果準(zhǔn)確性的影響，在較少建模樣品數(shù)條件下獲得更好的建模效果，與張正帆等［2］的報(bào)道一致，這可能是由于在擴(kuò)大定標(biāo)集水分覆蓋范圍的同時(shí)，增加了參與建模計(jì)算的光譜數(shù)量，從而提高了模型穩(wěn)定性。M2的、RMSEE、和均略優(yōu)于張正帆等［2］建立的NIRS豆粕NE水分校正模型，RMSECV和RMSEP則與其接近。M2預(yù)測(cè)值標(biāo)準(zhǔn)差占預(yù)測(cè)平均值的比例(RSD)為0.099%，相對(duì)誤差小于2%，且預(yù)測(cè)值與實(shí)測(cè)值的差異，經(jīng)t檢驗(yàn)差異也不顯著(P＞0.05)，表明本試驗(yàn)所建M2效果較理想。

3.3 棉籽粕NE的AME及化學(xué)成分預(yù)測(cè)方程

在單因子預(yù)測(cè)方程中，AME的R2最高，RSD最低，分別為0.975和0.108，并且在預(yù)測(cè)因子數(shù)相同的情況下，AME結(jié)合化學(xué)成分建立的NE預(yù)測(cè)方程優(yōu)于只用化學(xué)成分建立的預(yù)測(cè)方程，表明AME是預(yù)測(cè)棉籽粕NE的最佳單因子，與Huan等［1］、張正帆等［2］的試驗(yàn)結(jié)果一致。另外在全部預(yù)測(cè)方程中CP都是負(fù)效應(yīng)因子，與Emmans［12］提出的2個(gè)理論模型相一致。這主要是蛋白質(zhì)的ME利用效率較低，隨著粗蛋白質(zhì)的增加，NE勢(shì)必會(huì)降低。方程8和10的R2和RSD均為0.985和0.090 MJ/kg DM，且預(yù)測(cè)值與實(shí)測(cè)值配對(duì)t檢驗(yàn)結(jié)果也均不顯著(P＞0.05)，根據(jù)預(yù)測(cè)因子數(shù)越少越好的原則，確定方程8為本試驗(yàn)的最佳化學(xué)預(yù)測(cè)模型。方程8的R2和 RSD與張正帆等［2］用AME結(jié)合化學(xué)成分建立的預(yù)測(cè)豆粕NE的四元方程也很接近，其R2和 RSD分別為 0.98和0.079 MJ/kg DM。方程8的預(yù)測(cè)值標(biāo)準(zhǔn)差與預(yù)測(cè)平均值的比例0.094%，標(biāo)準(zhǔn)差很小，且相對(duì)誤差在2%以內(nèi)，表明所建模型的預(yù)測(cè)效果好，可以應(yīng)用。

方程8與NIRS所建預(yù)測(cè)模型M2相比較，RSD分別為0.099%和0.094%，表明2個(gè)模型預(yù)測(cè)穩(wěn)定性相當(dāng)。只是2個(gè)模型的預(yù)測(cè)值與實(shí)測(cè)值的差值經(jīng)配對(duì)t檢驗(yàn)，M2要略優(yōu)于方程8。而張正帆等［2］用AME結(jié)合化學(xué)成分所建豆粕NE預(yù)測(cè)模型要略優(yōu)于NIRS所建模型。這可能是由于本試驗(yàn)外部驗(yàn)證集樣品數(shù)較少，代表性稍弱而引起的偏差。

4 結(jié)論

①用化學(xué)成分結(jié)合AME可建立預(yù)測(cè)效果可靠的棉籽粕NE預(yù)測(cè)模型，最佳預(yù)測(cè)公式為NE=2.655+0.530AME－ 3.366CP+9.287EE－2.715CF。

②通過(guò)擴(kuò)大背景水分區(qū)間可以較少樣品數(shù)建立效果較好的NIRS棉籽粕NE預(yù)測(cè)模型。

③NIRS所建M2模型的預(yù)測(cè)效果與AME結(jié)合化學(xué)成分所建最佳預(yù)測(cè)公式相當(dāng)。

［1］HUAN Z J，WANG K N.Prediction of net energy value of corn and soybean meal for broiler chicken［J］.Journal of Agricultural Science and Technology，2009，6:6－11.

［2］張正帆，王康寧，賈剛，等.1～21日齡黃羽肉雞豆粕凈能預(yù)測(cè)模型［J］.動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2011，23(2):250－257.

［3］于葉娜，賈剛，王康寧.1～21日齡黃羽肉雞凈能需要量及其真可消化賴氨酸與凈能適宜比例的研究［J］.動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2010，22(6):1536 －1543.

［4］BAKER D H.Ideal protein and am ino acid requirement of broiler chicks［C］//American Institute of Nutrition.Proceedings of the California nutrition conference.Fresno:［s.n.］，1994:21－24.

［5］FRAPSG S.Composition and productive energy of poultry feeds and rations［J］.Agricultural and Mechanical College of Texas，1946，678:6－37.

［6］MACLEOD M G.Modeling the utilization of dietary energy and am ino acids by poultry［C］//THEODOROU M K.Feeding systems and feed evaluation models. Midlothian， UK:CAB International， 2000:393－412.

［7］NEHRING K.Investigations on the scientific basis for the use of netenergy for fattening as ameasure of feed value［C］//BLAXTER K L，KIELANOWSKI J，THORBEK G.Proceeding of the 4th symposium.Energy metabolism of farm animals，Warsaw，Poland.New castle，England:Oriel Press，1969:5 －20.

［8］DE GROOTE G.A com parison of a new net energy system with themetabolisable energy system in broiler diet formulation，performance and profitability［J］.British Poultry Science，1974，15:75－95.

［9］XICCATO G，TROCINO A，CARAZOLO A，et al.Nutritive evaluation and ingredient prediction of compound feeds for rabbits by near infrared reflectance spectroscopy［J］.Animal Feed Science and Technol-ogy，1999，77:201－212.

［10］李靜.傅立葉近紅外測(cè)定麥麩、棉粕常規(guī)化學(xué)成分及樣品水分對(duì)模型預(yù)測(cè)效的影響［D］.雅安:四川農(nóng)業(yè)大學(xué)，2007.

［11］李勇，魏益民，張波，等.近紅外水分穩(wěn)健分析模型研究［J］.光譜學(xué)與光譜分析，2005，25(12):1963 －1967.

［12］EMMANSG C.Effective energy:a concept of energy utilization applied across species［J］.British Journal of Nutrition，1994，71:801－821.

*Corresponding author，professor，E-mail:wkn@sicau.edu.cn

(編輯 何麗霞)

Prediction Models for Net Energy Value of Cottonseed Meal for Yellow-feathered Broilers Aged from 1 to 21 Days Using Fourier Near Infrared Spectroscopy and Chem ical Com position

CHEN Yujuan JIA Gang WU Xiuqun WANG Kangning*
(Animal Nutrition Institute，Sichuan Agricultural University，Ya’an625014，China)

This trialwas to study the feasibility of establishing predictionmodels for the net energy(NE)values using Fourier near infrared spectroscopy(NIRS)and chem ical composition on the basis of 25 cottonseed meal NE valuesmeasured by comparative slaughter experiment，and to compare the predictive results of them.1)NE was calculated as NE formaintenance(NEm)plus NE for deposition(NEp).The NEm wasmeasured by regression method with 5 feeding levels includingad libitumfeeding and restricted feeding by 20%，40%，60%and 80%，respectively.NEp wasmeasured by themethod of substitution.A total of 382 Kangdaer fasting yellow-feathered broilers at7 days of age with average body weight of(62.20 ±0.64)g were random ly allotted into every level of cottonseed meal sample with 6 replicates each and 2 chickens in each replicate.The experiment lasted for 7 days.2)NIRS calibrationmodels(M1and M2)of NE were established under the natural condition and a largermoisture background，respectively.3)Predictive equations for apparentmetabolizable energy(AME)，crude protein(CP)，ether extract(EE)，crude fiber(CF)，neutral detergent fiber(NDF)，acid detergent fiber(ADF)，and ash with NE were derived from themethods of one-dimensional and multivariate linear regressions.The results showed as follows:1)theR2caland rootmean square error of calibration(RMSEE)of 2 models(M1/M2)were 0.999/0.985 and 0.033/0.084 M J/kg DM，theR2cvand root mean square error of cross validation(RMSECV)were 0.966/0.967 and 0.120/0.117 M J/kg DM，theR2valand rootmean square error of prediction(RMSEP)were 0.843/0.957 and 0.260/0.136 M J/kg DM，respectively，and the results of paired-samplesttestof NIRS predictive values and determ ined valueswere not significantly different(P＞0.05).2)TheR2and the RSD of the optimum regression equations from chem ical composition combined with AME were 0.985 and 0.093 MJ/kg DM，respectively.These results indicate as follows:1)the two methods above can both establish NE predictivemodels of cottonseed meal with reliable results;2)the predictive accuracy of M2is sim ilar to the optimum equation from chem ical composition combined with AME.［Chinese Journal of Animal Nutrition，2011，23(9):1499-1504］

yellow-feathered broilers;netenergy;prediction;near infrared spectroscopy;moisture calibration

S816.4

A

1006-267X(2011)09-1499-06

10.3969/j.issn.1006-267x.2011.09.007

2011－04－11

四川農(nóng)業(yè)大學(xué)雙支計(jì)劃

陳玉娟(1986—)，女，四川簡(jiǎn)陽(yáng)人，碩士研究生，從事單胃動(dòng)物的營(yíng)養(yǎng)研究。E-mail:chenyujuan130@163.com

*通訊作者:王康寧，教授，博士生導(dǎo)師，E-mail:wkn@sicau.edu.cn