论文部分内容阅读
人为因素导致温室气体甲烷(CH4)和二氧化碳(CO2)的排放量增加,这不仅造成了大气温室效应还加剧了全球气候变暖。反刍动物瘤胃微生物的厌氧发酵产物也是温室气体CH4和CO2的重要农业来源之一,造成了动物能量的损失和能量利用率的下降。准确预测反刍动物瘤胃发酵产生的温室气体是评估温室效应的基础。本论文通过以下四个试验研究了瘤胃CH4、CO2和挥发性脂肪酸(VFA)产量与饲料营养成分之间的关系,分别建立了肉牛CH4和CO2的排放以及瘤胃发酵VFA产量的预测模型,同时对所建立模型的准确性进行了测试。通过比较传统回归模型和人工神经网络模型,阐明了用人工神经网络模型预测瘤胃CH4、CO2和VFA产量的可行性,并提出准确的预测模型。试验一建立了2个肉牛典型混合饲料数据库,第1个数据库为建模集数据库,用于数据建模,配制了45种精粗比分别为10：90、20：80、30：70、40：60和50：50的混合饲料(每个精粗比含9种混合饲料),第2个数据库为测试集数据库,配制了10种与建模集数据库相同精粗比例的混合饲料(每个精粗比含2种混合饲料)。用Menke和Steingass体外产气技术测定混合饲料体外发酵48h的气体和VFA,并用气相色谱仪分析体外发酵的CH4、CO2和VFA产量。试验二通过多元回归法分析了混合饲料CNCPS碳水化合物组分CA(糖)、CB1(淀粉和果胶)和CB2(可利用纤维)与人工瘤胃发酵的CH4产量之间的相关关系,证明了用CNCPS碳水化合物组分预测瘤胃CH4的可行性。本试验采用试验一的2个数据库,建模集数据库包括45种肉牛混合饲料的CH4产量与CNCPS碳水化合物组分,用于多元回归方程的建立；测试集数据库包括10种混合饲料的CNCPS碳水化合物组分,用于多元回归方程的测试。结果表明,混合饲料CNSPS碳水化合物组分(g)如CA、CB1和CB2与混合饲料体外发酵的CH4产量(mL)之间存在显著的多元线性关系：CH4=(89.16±14.93)CA+(124.10±13.90)CB1+(30.58±11.72)CB2+(3.28±7.19),R2=0.81,P<0.000],n=45。通过测试集日粮对该模型进行验证,结果表明,CNCPS碳水化合物组分CA、CB1和CB2是合适的日粮输入变量,能用于瘤胃发酵CH4产量的准确预测。试验三旨在研究用含有输入层、隐含层和输出层的三层反向传播(BP,back propagation)人工神经网络建模预测肉牛混合饲料体外发酵CH4产量的可行性和准确性。本试验采用试验一的2个数据库,建模集数据库用于BP神经网络的训练,包括45种肉牛混合饲料体外发酵的CH4、CO2、总产气量以及混合饲料的CNCPS碳水化合物组分；测试集数据库用于神经网络的测试,包括10种混合饲料的CNCPS碳水化合物组分。通过比较由1-16个隐含层神经元节点和不同输出层变量构成的不同BP神经网络的预测性能,确定BP神经网络的最佳结构。经测试集数据库检验,结果发现,由BP神经网络预测的瘤胃CH4、CO2和总产气量与其实测值之间经配对t-检验分析差异不显著(P>0.05)。一元线性相关分析结果显示其决定系数(R2)分别为0.95、0.97和0.92,BP神经网络模型的均方根预测误差(RMSPE)分别为3.89%、2.95%和4.23%。与多元回归方程相比,BP神经网络模型在预测CO2和总产气量时准确性均有提高,但在预测体外发酵CH4产量方面准确性相似。结果表明,基于CNCPS碳水化合物组分用BP神经网络能够准确、可靠地预测肉牛混合饲料体外发酵的CH4、CO2和总产气量。试验四是以CNCPS碳水化合物组分为基础建立预测瘤胃VFA产量的多元线性回归模型(MLR, Multiple linear regression)和三层BP神经网络模型(BP3, Three-layer Levenberg-Marquart back propagation),并比较两模型的预测性能。研究采用试验一的2个混合饲料数据库,其中建模集数据库包含精粗比分别为10：90、20：80、30：70、40：60和50：50的45种肉牛典型混合饲料体外发酵的VFA产量以及CNCPS碳水化合物组分,用于数据建模；测试集数据库用于模型的测试,包含与建模集数据库相同精粗比的10种混合饲料的CNCPS碳水化合物组分。通过以下三种方式比较MLR和BP3模型的预测性能,包括配对t-检验、预测值和实测值之间的决定系数(R2)及均方根预测误差(RMSPE)。统计分析结果表明,VFA产量(mmol)与混合饲料CNCPS碳水化合物组分(g) CA、CB1和CB2之间存在显著的多元线性关系。与MLR模型相比,BP3模型能更准确地预测瘤胃乙酸、丙酸和总VFA产量,但在预测丁酸产量方面二者结果相似。试验表明以混合饲料的CNCPS碳水化合物组分CA、CB1和CB2为日粮输入变量,用MLR和BP3模型均适合预测混合饲料体外发酵的VFA产量,但是BP3模型预测的准确性更高。综上,本论文通过一系列试验研究表明,CNCPS碳水化合物组分CA、CB1和CB2是合适的日粮输入变量,能准确用于瘤胃CH4、CO2和VIA产量的预测。MLR和BP3模型均适合预测混合饲料体外发酶的CH4、CO2和VFA产量,但是BP3模型预测的准确性更高。