豬飼料有效能值預測模型的構建

潘曉花 楊 亮 龐之洪 王建芬 熊本海*

(1.中國農業(yè)科學院北京畜牧獸醫(yī)研究所，動物營養(yǎng)學國家重點實驗室，北京 100193;2.延慶縣動物衛(wèi)生監(jiān)督管理局，北京 102100)

NRC在2012年發(fā)布了《豬營養(yǎng)需要量》的第11 修訂版［1］。與 NRC 第10 版《豬營養(yǎng)需要量》［2］比較，第11版豬用飼料成分表的更新主要包括以下幾個方面:1)飼料營養(yǎng)成分表的原料種類從79種增加到122種，飼料編號部分保留了上版已有飼料原料，并新增了一些飼料編號及無編號的飼料原料;2)部分飼料原料新增了一些基礎營養(yǎng)成分評價指標，即糖類、纖維物質類、脂肪酸類等指標;3)大部分飼料養(yǎng)分數(shù)據(jù)得以修正，飼料原料的有效能值數(shù)據(jù)變動較大，如玉米消化能(DE)由14.75 MJ/kg 下降至 14.44 MJ/kg，而凈能(NE)由10.02 MJ/kg 上升至 11.18 MJ/kg，同時玉米干酒糟及其可溶物(DDGS)代謝能(ME)(8.64 vs.9.80 MJ/kg)，大豆粕 ME(8.45 vs.8.73 MJ/kg)及大部分未列出原料的NE也有所提高。

飼料能值是影響飼糧成本及飼喂效果的重要因素，NRC(2012)對飼料原料能值的修訂也進一步說明了能值在動物飼糧配制中的重要性。但是，開展飼料有效能值的評價費時費力，為此，國內外在飼料有效能值的間接估測(算)方面進行了大量的研究。例如，Evan［3］、Noblet等［4］提出通過飼料中的總能(GE)、部分常規(guī)成分及可溶性碳水化合物(SCHO)指標預測飼料中的DE，且給出的模型不分飼料類型。NRC(1998)也提供了一系列飼料GE、DE、ME及NE的預測模型。近年來，Sauvant等［5］在法國飼料成分表中提供不分飼料類型的 DE 計 算 模 型，Kim 等［6］、Wan 等［7］、Huang等［8－9］通過大量試驗數(shù)據(jù)構建了基于一種或一類飼料的有效能值預測方程。隨著飼料有效能值評定方法的改進，樣本數(shù)的增加，飼料原料有效能值的準確性也逐漸提高。但是，NRC(2012)雖修訂了大量的能值數(shù)據(jù)，但以飼料營養(yǎng)成分為自變量的有效能值預測模型為舊版中Noblet等［4］提出的模型，未融合最新的營養(yǎng)成分數(shù)據(jù)庫，因而需要更新能值預測模型。另一方面，我國的飼料資料種類多樣，受飼料原料種類，加工工藝及環(huán)境因素的影響，我國飼料原料的基礎成分(概略養(yǎng)分及碳水化合物)與NRC發(fā)布的成分表不完全一致，因而不能直接采用NRC(2012)飼料原料的有效能值。為此，本研究基于NRC第11版發(fā)布的飼料能值數(shù)據(jù)，采用數(shù)據(jù)挖掘與深度分析的技術，通過飼料營養(yǎng)成分指標的不同組合，建立有效能值的預測模型，用于估測我國飼料原料的有效能值以指導動物飼糧配制。

1 材料與方法

1.1 飼料能值數(shù)據(jù)準備

選用NRC(2012)《豬營養(yǎng)需要量》中發(fā)布的豬飼料成分及營養(yǎng)價值表。涉及的飼料原料種類122種，其中參與回歸計算的原料種類須具備干物質含量及相應的能值數(shù)據(jù)，否則予以剔除，以保證預測模型的有效性。

1.2 回歸模型構建的變量定義

本研究定義的自變量如下:粗蛋白質(CP，%)、粗纖維(CF，%)、粗脂肪(EE，%)、酸性醚提取物(acid hydrolysis ether extract，AEE，%)、粗灰分(ash，%)、淀粉(starch，ST，%)、中性洗滌纖維(neutral detergent fiber，NDF，%)、酸性洗滌纖維 (acid detergent fiber，ADF，%)、半 纖 維 素(hemicellulose，HC，%)、酸性洗滌木質素(acid detergent lignin，ADL，%)。其中HC和ADL數(shù)據(jù)量較少，未參與模型回歸。因變量的定義為DE(kJ/kg)、ME(kJ/kg)及 NE(kJ/kg)。

1.3 統(tǒng)計分析及模型的建立

采用 SPSS 16.0［10］分析有效能值與營養(yǎng)成分之間的相關性，采用 SAS 8.01［11］的 REG 過程，獲得自變量不同組合下回歸模型參數(shù)。回歸模型擬合效果的評判指標包括均方根誤差(RMSE)、變異系數(shù)(CV)、相關系數(shù)(R2)及P值，其中RMSE和CV反映模型預測值與真實值的離散程度，R2反映模型對因變量的預測效果，并以P＜0.05作為模型顯著有效的標準。同時，從營養(yǎng)學理論上講，CP、EE、ST及AEE對飼料有效能值具有正效應，ash、NDF、ADF、CF、HC 和 ADL 對飼料有效能值具有負效應，本研究以此為基準判定模型是否具有營養(yǎng)學意義。

2 結果

2.1 飼料有效能值及營養(yǎng)成分相關性分析

玉米類飼料和大豆類飼料有效能值與營養(yǎng)成分之間的相關性分別見表1和表2。由表可知，飼料DE、ME和NE三者顯著或極顯著相關(P＜0.05或P＜0.01)，而有效能值與營養(yǎng)成分之間的相關性在玉米類飼料與大豆類飼料之間存在差異。玉米類飼料DE與CP和NDF顯著或極顯著相關(P＜0.05或P ＜0.01)，NE 與ST、NDF、ADF和CF存在顯著或極顯著相關關系(P＜0.05或P＜0.01);而大豆類飼料DE和ME均與CP、ST、NDF、ADF和CF存在顯著或極顯著相關關系(P＜0.05或 P＜0.01)，而 NE 主要受 EE、ST、NDF、ADF和 CF的顯著或極顯著影響(P ＜0.05或 P ＜0.01)，因此，不同飼料原料有效能值與飼料營養(yǎng)成分的關系存在差異，需分類建立相應的有效能值預測模型。另外，ST、CP、NDF、ADF 和 CF 之間存在較強的相關性(P＜0.05)，這決定了自變量的不同組合會影響飼料有效能值的預測效果。

表1 “玉米及其加工產品類”飼料有效能值與營養(yǎng)成分相關性分析Table 1 Correlation analysis between effective energy and nutrition composition for corn and its by-products

表2 “大豆及其加工產品類飼料”有效能值與營養(yǎng)成分相關性分析Table 2 Correlation analysis between effective energy and nutrition composition for soybean and its by-products

2.2 飼料中DE的回歸效果

2.2.1 不分飼料類型的DE回歸

對1.2中所有變量，無論怎樣組合，獲得的回歸模型R2均低于0.300 0，CV均超過20%，表明，構建飼料的常規(guī)養(yǎng)分(DM、CP、CF、EE、AEE 和ash)及碳水化合物指標(ST、NDF、ADF、HC 和ADL)與所有類型飼料的DE普適性回歸模型預測效果較差，因此需要分飼料類型進行構建。

2.2.2 “玉米及其加工產品類”DE回歸模型構建

鑒于2.2.1的結果，本研究按飼料類型構建模型。以NRC(2012)飼料成分表的第20～33號飼料共14種玉米及其加工類飼料為子集，建立玉米類飼料DE預測模型7套，見表3。當以CP、EE、ash、ST 和 NDF、ADF、CF 為參數(shù)預測 DE 時，各模型 R2變化范圍為0.632 8～0.772 3，預測值CV 變化范圍為 6.61% ～8.40%，且 P ＜0.05，說明上述模型能夠有效的預測玉米類飼料的DE，其中公式(7)和(9)的R2最大，RMSE和CV最小，預測效果最好。當以AEE代替各個模型中的EE，分別得公式(2)、(4)、(6)、(8)、(10)和(12)，除公式(12)外，各模型均 P＞0.05，說明以 AEE為自變量無法建立有效的DE預測模型，另外，公式(4)、(6)、(8)和(10)中 NDF、ADF 或 CF 參數(shù)系數(shù)為正，不具有營養(yǎng)學意義。

表3 “玉米及其加工產品類”飼料營養(yǎng)成分與DE之間的回歸關系方程Table 3 The regression relationship equations between nutrition composition and DE for corn and its products

2.2.3 “大豆及其加工產品類”DE回歸模型構建

NRC(2012)飼料成分表的第89～104號飼料共16種飼料，均為大豆及大豆加工后的產品，將這些作為子集進行處理。由于第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質)及102號(全脂大豆，低寡糖)3種飼料未提供飼料的DE而舍棄，則由余下13種飼料原料參與回歸，獲得的預測大豆類飼料DE的有效模型3套列在表4中。

表4 “大豆及其加工產品類”飼料中的基礎化學成分與飼料DE之間的回歸關系方程Table 4 the regression relationship equations between main basic feedstuff composition and DE for soybean and its products

公式(14)至(17)模型的 R2變化范圍為0.907 1 ～0.926 9，RMSE 為 0.84 ～0.95，預測值CV 變化范圍為 5.40% ～6.09%，且 P ＜0.05，說明上述回歸模型對大豆類飼料DE的預測效果均較好，且明顯優(yōu)于表3中玉米類飼料的DE預測效果，表明大豆類飼料的基礎營養(yǎng)成分與DE的相關關系較強。因此，可以利用獲得的回歸模型預測第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質)及102號(全脂大豆，低寡糖)飼料的DE值。以表2中公式(14)和(16)為例，計算得到上述3種飼料原料的DE分別為15.99、17.35、17.27 MJ/kg 和 16.44、17.69、17.61 MJ/kg，2 個模型的預測值差別不大，均可用于補充NRC(2012)缺省的上述3種原料DE值。因此，飼料的基礎成分指標較完善，則可選擇變量較多的回歸模型，其對DE的預測效果將優(yōu)于簡單的回歸模型。而在飼料營養(yǎng)成分不全的情況下，上述自變量較少的預測模型也可用于粗略地估測飼料DE。

2.3 飼料中ME回歸模型的研究

2.3.1 不分飼料類型的ME模型

同(2.2.1)一樣，無論怎樣組合上述(1.2)中11個自變量，獲得的回歸模型，相關系數(shù)均未超過0.30，變異系數(shù)高達20%以上，表明以飼料的常規(guī)營養(yǎng)成分指標為自變量時，難以建立適用于所有類型飼料的ME預測模型，因此需要分飼料類型進行構建。

2.3.2 “玉米及其加工產品類”ME回歸模型構建

同(2.2.2)一樣，將第20號 ～第33號飼料共13種玉米類飼料構成子集，獲得的預測飼料ME的有效模型6套(表5)。

當以 CP、EE、Ash、ST 和 NDF/ADF/CF 為參數(shù)預測ME時，公式(19)和(20)R2分別為0.492 1和0.609 5，低于其他模型，且 2 個模型的 P ＞0.05，說明公式(19)和(20)模型對玉米類飼料ME的預測效果較差。公式(17)、(23)、(25)、(27)R2變化范圍為0.646 9 ～0.684 9，RMSE 變化范圍為0.90 ～1.00，預測值CV變化范圍為6.58% ～7.34%，且P＜0.05，表明上述模型能夠有效地預測玉米類飼料的DE，且預測效果相近。當以AEE代替各個模型中的 EE，分別得公式(18)、(20)、(22)、(24)、(26)、(28)，除公式(18)外，各模型 P ＞0.05，說明以 AEE為參數(shù)時無法建立有效的ME預測模型，且公式(20)、(24)和(26)中 NDF，ADF或 CF參數(shù)系數(shù)為正，不具有營養(yǎng)學意義。

2.3.3 “大豆及其加工產品類”的 ME回歸模型構建

同上述2.2.3，NRC豬飼料成分表的第89～104號飼料共16種大豆類飼料構成子集。由于第97、101及102號3種飼料未提供飼料的ME而不能參與回歸計算，則由余下13種飼料原料的數(shù)據(jù)參與回歸，獲得的預測飼料ME的有效模型4套(表6)。

表5 “玉米及其加工產品類”飼料中的基礎化學成分與飼料ME之間的回歸關系方程Table 5 The regression relationship equations between main basic feedstuff composition and ME for corn and its products

表6 “大豆及其加工產品類”飼料中的基礎化學成分與飼料ME之間的回歸關系方程Table 6 The regression relationship equations between main basic feedstuff composition and ME for corn and its products

公式(29)至(32)模型的 R2變化范圍為0.890 7 ～0.922 3，RMSE 為 0.82 ～0.96，預測值CV 變化范圍為 5.79% ～6.78%，且 P ＜0.05，說明上述回歸模型對大豆類飼料ME的預測效果均較好，且擬和效果優(yōu)于表5中玉米類飼料的ME預測模型。因此，利用表6中公式(29)至(32)預測第97號(去皮大豆粕，低寡糖，浸提)、101號(全脂大豆，高蛋白質)及102號(全脂大豆，低寡糖)飼料的ME，得到上述3種飼料原料的DE分別為12.82、14.45 和 14.37 MJ/kg［公式(29)］;14.53、16.15 和 16.14 MJ/kg［公式(30)］;14.77、16.35 和 16.28 MJ/kg［公式(31)］;14.64、16.14和16.15 MJ/kg［公式(32)］。上述結果均符合代謝能低于消化能的基本規(guī)律，上述數(shù)值可用于補充NRC(2012)缺省的3種原料代謝能值。但公式(29)與公式(30)至(32)3個模型的預測值差別較大，原因是3種原料的ST含量均缺省，造成預測結果偏低。因此，需根據(jù)自變量數(shù)值完整情況，選擇合適的預測模型。

2.4 飼料NE回歸模型的研究

2.4.1 對所有飼料原料的NE模型構建

同DE和ME一樣，無論怎樣組合自變量，都不能建立飼料的基礎成分與所有類型飼料NE的普適性回歸模型，同樣需要對飼料分類建立NE預測模型。

2.4.2 “玉米及其加工產品”的NE回歸模型構建

同樣地將14種玉米類飼料作為子集，共建立7套玉米及其加工產品類的NE有效預測，見下表 7。當以 CP、EE、ash、ST 和 NDF、ADF、CF為參數(shù)預測 ME時，公式(39)R2為0.597 5，低于其他模型，且2個模型的 P＞0.05，說明公式(39)模型對玉米類飼料NE的預測效果較差。公式(33)、(35)、(37)、(41)、(43)和(45)可有效地預測玉米類飼料 NE(R2=0.670 5～0.822 1，P ＜0.05，CV=6.21% ～8.27%，RMSE=0.61～0.81)。當以AEE代替各個模型中的 EE，分別得公式(34)、(36)、(38)、(40)、(42)、(44)和(46)，除公式(34)和(46)外，各模型 P＞0.05，說明AEE與NE無顯著線性關系。此外，本研究基于11版本中最新玉米類營養(yǎng)成分數(shù)據(jù)，以EE、ash、ST及ADF作為自變量構建 NE的預測模型［公式(48)］，并與 Noblet等［4］推薦的 NE模型［公式(47)］相比較，結果發(fā)現(xiàn)兩者雖具有相同的自變量，但擬合度差異較大(0.597 5 vs 0.90)，說明公式(45)的NE模型擬合效果不理想，Noblet等［4］的 NE模型已經過時而應根據(jù)飼料營養(yǎng)成分的變化而更新。

?

?

2.4.3 “大豆及其加工產品類”的NE回歸模型構建

同2.2.3一樣，將 NRC飼料成分表的第89～104號飼料共16種飼料作為子集。由于第97、101及102號3種飼料未提供 NE而不能參與回歸計算，則由余下13種飼料的數(shù)據(jù)參與回歸。得到的各模型中自變量ST的參數(shù)均為負值，即與NE為負相關而不具有營養(yǎng)學意義(未列出)，但 NE可由 DE 或 ME、EE、ST、CP和ADF間接預測NE(表8)。

?

3 討論

3.1 影響有效能值模型預測效果的因素

動物為能而食［12］。自 Diggs 等［13－14］開始用豬直接測定原料的能值以來，飼料的能值預測及數(shù)據(jù)等相關方面的研究不斷積累。除了NRC機構外，法國飼料數(shù)據(jù)庫［15］、中國飼料數(shù)據(jù)庫［16］等均積累了不少的原始數(shù)據(jù)及文獻數(shù)據(jù)。法國飼料數(shù)據(jù)庫在積累數(shù)據(jù)的基礎上，開發(fā)了io-7可直接進行回歸分析的工具，即通過選定飼料樣本，確定自變量及因變量，便可獲得可視化的模擬圖形與模型，方便了飼料未知營養(yǎng)指標的預測。本研究構建的模型自變量均為飼料中化學成分，可按照國際通用的試驗方法測定獲得，這保證了預測模型的原始性與可靠性。但參與回歸的數(shù)據(jù)樣本量及自變量的不同組合會影響有效能值預測模型的回歸效果。本研究中，玉米類飼料DE、ME和NE模型的建立是基于NRC(2012)飼料營養(yǎng)成分表中第20～33號飼料的營養(yǎng)成分數(shù)值(n=14)，而參與大豆類飼料DE、ME和NE模型建立的數(shù)據(jù)集是第89～104號飼料(第97、101及102號飼料因缺省有效能值而剔除)共13種飼料的飼料營養(yǎng)成分數(shù)值(n=13)，樣本量相對偏少而影響模型的擬合效果，因此，飼料樣本基礎營養(yǎng)成分數(shù)據(jù)庫仍需大量積累，并需結合豬的消化試驗和代謝試驗獲得飼料原料有效能值的實測值，從而改善模型的預測效果。自變量的組合是影響模型擬合效果的另一重要因素。當將 CP、EE、ST、ash、NDF和ADF全部作為自變量參與有效能值預測模型擬合時，無法建立合理有效的模型(結果中未列出)，原因可能是 CP、EE、ST、NDF、ADF、CF 之間存在顯著或極顯著的相關性，各營養(yǎng)成分之間相互影響而影響模型的擬合效果，故本研究建立的有效能值預測模型主要為二元方程、三元方程和四元方程。另外，NRC(2012)飼料營養(yǎng)成分表中新增了AEE指標，其中AEE是指利用酸水解法測定的脂類總量，與索氏萃取法測定的EE相比，AEE除脂肪外還包括脂溶性有機酸、脂溶性維生素、固醇類和色素等，故AEE更能反映飼料原料的脂肪水平［17］;本研究試圖以AEE為自變量估測玉米類飼料的有效能值，發(fā)現(xiàn)無法建立AEE與有效能值的預測模型，可能是因為具有AEE數(shù)值的飼料樣本量(n=8)不足。

在評定飼料有效能時，除了預測因子的數(shù)量和組合模型外，飼糧類型對模型預測效果的影響也很重要。大量研究證明了飼料分類建立模型的優(yōu)勢:Morgan 等［18］、何英［19］和 Wiseman 等［20］均通過試驗證明飼料分類建立模型能提高預測準確性，因同類飼料營養(yǎng)成分的同質性高、相關性強，因而其估測值更加可靠。本研究發(fā)現(xiàn)，將NRC(2012)所有飼料原料的營養(yǎng)成分表作為數(shù)據(jù)來源，建立的有效能值回歸模型預測效果較差，若按照玉米類和大豆類2大類進行劃分，則可建立有效的預測模型，提高了預測結果的準確性，但由于數(shù)據(jù)樣本量有限無法更加細分，飼料類型對預測準確度的影響程度還有待進一步探討。

3.2 DE、ME和NE預測模型的差異

對比上述表3和表5，表4和表6發(fā)現(xiàn)，同類飼料的DE與ME模型相比，ME與營養(yǎng)成分之間的擬合度較低，間接地說明飼料原料的ME數(shù)值不能簡單地按DE換算?？赡茉蚴秋暳系腗E除與飼料本身的營養(yǎng)成分相關外，還受動物、環(huán)境及其他因素的影響，導致不同飼料的代謝率存在差異而引起化學成分與ME的回歸效果略遜于DE。同時，同類飼料，具有相同自變量組合的DE與ME預測模型，兩者之間的差異主要是變量CP的系數(shù)，而其他自變量系數(shù)及截距數(shù)值都非常接近，同時 May 等［21］、Noblet［22］、Noblet等［4］，中國農業(yè)科學院畜牧研究所等［16］研究構建了通過DE和CP預測ME的模型，上述結果均表明CP對DE轉化為ME的利用率方面起重要的作用。本研究與上述研究相比，直接建立了ME與飼料的基礎成分之間的關系模型，減少了通過DE間接計算ME而產生的累積誤差，同時反映了CP對ME的貢獻效果。而同類飼料具有相同自變量組合的NE與ME預測模型之間，常數(shù)項，自變量CP、EE、ST和NDF、ADF的系數(shù)均差異較大，同時，NRC(2012)中引用的 Noblet等［23］NE 預測模型除了DE或ME之外，還包括了 EE、ST、CP和 ADF參數(shù)，并增加了Blok［24］的NE模型［包括可消化酸水解粗脂肪(DEEh)、酶可降解淀粉(Starcham)、酶可降解糖類(Suge)及可發(fā)酵碳水化合物(FCH)指標］，說明ME轉化為NE的效率受多個營養(yǎng)成分含量及其消化率的影響，從而引起不同飼料原料能量利用率的差異，進一步證明NE是評價飼料原料真實能值的最準確的指標［25］。但 ST、糖類含量，CP和EE消化率等數(shù)值的不足是限制當前NE預測模型準確性的因素，目前NE的預測仍是以飼料營養(yǎng)成分結合DE或ME為主。

4 結論

① 基于NRC(2012)最新飼料營養(yǎng)成分表，以飼料化學成分為自變量，建立適用于所有飼料的有效能值回歸模型預測效果較差，但可按照飼料類型分類建立有效能值模型。

②建立玉米類飼料與大豆類飼料原料有效能值的預測方程時，最優(yōu)的預測因子為CP、EE、ST、ash、NDF、ADF。同類飼料具有相同自變量組合的DE和ME模型的主要差異是變量CP的系數(shù)，NE與ME預測模型之間各自變量的系數(shù)均不相同。

③本研究建立推薦的有效能值預測模型如下:

［1］ NRC.Nutrient requirements of swine［M］.11th ed.Washington，D.C.:National Academy Press，2012.

［2］ NRC.Nutrient requirements of swine［M］.10th ed.Washington，D.C.:National Academy Press，1998.

［3］ EWAN R C.Predicting the energy utilization of diets and feed ingredients by pigs［C］//VAN DER HONING Y，CLOSE W H.Energy Metabolism of Farm Animals［P］.Pudoc，Wageningen，the Netherlands:EAAP Publication，1989，43:215 －218.

［4］ NOBLET J，PEREZ J M.Prediction of digestibility of nutrients and energy values of pig diets from chemical analysis［J］.Journal of Animal Science，1993，71(12):3389－3398.

［5］ SAUVANT D，PEREZ J-M，TRAN G.Tables of Composition and nutritional value of feed materials［M］.2nd ed.Wageninge:Wageningen Academic Publishers，2004.

［6］ KIM J C，SIMMINS P H，MULLAN B P，et al.The digestible energy value of wheat for pigs，with special reference to the post-weaned animal［J］.Animal Feed Science and Technology，2005，122(3/4):257 －287.

［7］ WAN H F，CHEN W，QI Z L，et al.Prediction of true metabolizable energy from chemical composition of wheat milling by-products for ducks［J］.Poultry Science，2009，88(1):92 －97.

［8］ HUANG Q，PIAO X S，REN P，et al.Prediction of digestible and metabolizable energy content and standardized ileal amino acid digestibility in wheat shorts and red dog for growing pigs［J］.Asian-Australasian Journal of Animal Sciences，2012，25(12):1748 －1758.

［9］ HUANG Q，SHI C X，SU Y B，et al.Prediction of the digestible and metabolizable energy content of wheat milling by-products for growing pigs from chemical composition［J］.Animal Feed Science and Technology，2014，196:107 －116.

［10］ NORUSIS M.SPSS 16.0 Statistical Procedures Companion［M］.Prentice Hall Press，2008.

［11］ SASInstitute.The SASSystem for Windows，Software，Release 8.01［Z］.Cary，NC:SASInst.Inc.，2000.

［12］ 許振英.生長肥育豬的營養(yǎng)［J］.養(yǎng)豬，1991(4):37－43.

［13］ DIGGSB G，BEEKER D E，TERRILL S W，et al.The energy value of various feedstuffs for the young pig［J］.Journal of Animal Science，1959，18:1482 －1486.

［14］ DIGGS B G，BEEKER D E，JENSEN A H，et al.Energy value of various feeds for the young pig［J］.Journal of Animal Science，1965，24(2):555 －558.

［15］ AFZ，CEREOPA.Economic and technical feed data［DB/OL］［2013－11－04］.http://www.feedbase.com/index.php?Lang=E.

［16］ 中國農業(yè)科學院北京畜牧獸醫(yī)研究所，中國飼料數(shù)據(jù)庫情報網中心.飼料數(shù)據(jù)庫［DB/OL］［2014－09－07］.http://www.chinafeeddata.org.cn/.

［17］ 林建云，宋春生.膨化飼料中粗脂肪總量的測定［J］.臺灣海峽，2009(增刊):159 －163.

［18］ MORGAN D J，COLE D JA，LEWI SD.Energy values in pig nutrition.Ⅱ the prediction of energy values from dietary chemical analysis［J］.The Journal of Agricultural Science，1975，84(1):19 －27.

［19］ 何英.糠麩糟渣、餅粕類飼料豬有效能預測模型的研究［D］.碩士學位論文.雅安:四川農業(yè)大學，2004.

［20］ WISEMAN I，COLE D J A.Predicting the energy content of pig feeds［M］//HARESIGN W.Recent Advances in Animal Nutrition-1983.London，1983:59－70.

［21］ MAY R M，BELL J M.Digestible and metabolizable energy values of some feeds for the growing pig［J］.Canadian Journal of Animal Science，1971，51(2):271－278.

［22］ NOBLET J，F(xiàn)ORTUNE H，DUBOIS S，et al.Nouvelles bases d’estimations des teneurs energie digestible，métabolisable et nette des aliments pour le porc［M］.Paris:Institut National de La Recherche Agrimonigue，1989.

［23］ NOBLET J，F(xiàn)ORTUNE H，SHI X S，et al.Prediction of net energy values for growing pigs［J］.Journal of Animal Science，1994，72(2):344 －354.

［24］ BLOK M C.Development of a new NE formula by CVB using the database by INRA［C］//Presystems Workshop，Net Energy Systems for Growing and Fattening Pigs.Vejle，Denmark，2006.

［25］ 孫獻忠，熊本海.用飼料化學成分預測豬飼料能值的研究進展［J］.中國畜牧獸醫(yī)，2006，33(11):19 －23.