CC BY
26
Заключение. На основании проведенных исследований и анализа полученных данных можно сделать заключение о стимулирующем влиянии каролина на организм сельскохозяйственной птицы, выразившемся в повышении эмбриональной (на 2,9-5,0%) и постэмбриональной (на 0,8-2,5%) жизнеспособности, а также конверсии корма и энергии роста ремонтного молодняка.
ЛИТЕРАТУРА
1. Витамины в питании животных / А.Р. Вальдман, П.Ф. Сурай, И.А. Ионов, Н.И. Сахат-ский. Харьков: Оригинал, 1993. 423 с.
2. Измайлович, И.Б. Применение «Каролина» в рационах цыплят-бройлеров / И.Б. Измайлович // Актуальные проблемы интенсивного развития животноводства: матер. междунар. науч.-практ. конф. Горки: БГСХА, 2000. С. 29, 30.
3. Измайлович, И.Б. «Каролин» - препарат, стимулирующий рост, повышает мясные качества и моделирует естественную резистентность цыплят-бройлеров / И.Б. Из-майлович // Актуальные проблемы интенсивного развития животноводства: сб. науч. тр. Горки: БГСХА, 2008. Вып.11. Ч.1. С. 14-21.
4. Наставление по применению каролина в ветеринарии: рекомендации. Краснодар, 2001. 8 с.
5. Применение препарата «Каролин» в лечебных целях: инф. листок. Витебск, 1997.
12с.
6. Садомов, Н.А. Влияние витаминов А, Е и С на естественную резистентность организма птицы / Н.А.Садомов // Ветеринария. 2003. №2. С.47, 48.
7. Витамин А и его нормирование в птицеводстве / П.Ф. Сурай [и др.] // Птах1вництво. 1999. Вып. 49. С. 66-70.
8. Aburto, A. The influence of vitamine A on the utilization and amelioration of tox-iciti of cholecalciferol 1.25-hidroxycholekalciferol. And 1.25-dehidroxyholekalciferol in younq broiler chickens / A. Aburto // Poultry Sc. 1998. Vol. 77. №4. P.585-593.
9. Gross, G. Physiological and clinical aspects of vitamin A and its metabolites / G.Gross // Critical Reviews of Clinical and Laboratory Science. 1992. Vol.29. P.185-215.
УДК 636.22/.28.084.523.001.57
ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО УРОВНЯ КОНЦЕНТРАТОВ В РАЦИОНАХ МОЛОЧНЫХ КОРОВ СРЕДСТВАМИ МОДЕЛИРОВАНИЯ
А.Я. РАЙХМАН
УО «Белорусская государственная сельскохозяйственная академия» г. Горки, Могилевская обл., Республика Беларусь, 213407
(Поступила в редакцию 15.02.2010)
Введение. Определение оптимального количества концентрированных кормов в рационе, состоящих главным образом из зерна злаковых и бобовых культур, имеет большое значение в деле сбережения ресурсов и снижения себестоимости производства животноводческой продукции. В структуре себестоимости корма занимают 60% и более, и стоимость рационов зависит главным образом от количества концентратов. Увеличение продуктивности влечет изменение потребности в энергии и обеспеченности протеином каждой энергетической едини-
цы. Соответственно возрастают требования и к качеству включаемых в рацион объемистых кормов, от которого зависит потребность в концентратах [2]. Разработка методов и инструментов оптимизации кон-центратного питания лактирующих коров несомненно актуальна.
Цель работы - разработать компьютерную модель рациона кормления коров, обеспечивающую оптимальное соотношение кормов при нормативном поступлении основных элементов питания. Модель должна учитывать технологию раздачи кормов. В нашем случае следовало сбалансировать рационы по энергии, ориентируясь на концентрацию ее в сухом веществе рациона (КОЭ). Этот показатель положен в основу определения уровня концентратного питания. При этом необходимо обеспечить достаточное поступление в организм протеина и сахара. Решение поставленных задач должно вписываться в организацию технологического процесса на ферме, в противном случае ее реализация в производстве окажется затруднительной или вовсе невозможной.
Материал и методика исследований. В основу математической оптимизационной модели была положена программа Solver. Модель была построена по принципу многоцелевого программирования, которое является расширением линейного программирования, но его методика усилена наличием системы предпочтений при работе как минимум с двумя или несколькими целями [1]. Такая методика применима в той ситуации, когда требуется довести несколько целей одновременно хотя бы до минимально удовлетворительных уровней. Цели имеют разный уровень значимости, а система предпочтений определяется человеком и основывается на уровне его знаний в области кормления сельскохозяйственных животных [5,9]. Особое значение такая методика приобретает в условиях слабой кормовой базы. Если ассортимент кормов ограничен, а их качество невысоко, то речь идет о возможности лишь приблизить его в той или иной степени к полностью сбалансированному варианту.
Средствами программы «Конструктор рационов кормления» (свидетельство о регистрации компьютерной программы в Национальном центре интеллектуальной собственности №074), в основу которой положена оптимизационная многоцелевая математическая модель, следовало отыскать такое соотношение кормов, которое оказалось бы наилучшим для различных уровней продуктивности и в то же время оставалось бы технологичным для конкретной производственной группы животных [8]. Константным (неизменным) надо считать соотношение кормов в группе травянистых кормов - сено, сенаж, силос. Для некоторых технологий подобное ограничение касается и корнеклубнеплодов, что делает систему еще менее гибкой. Объясняется это тем, что объемистые корма, как правило, раздаются мобильными кормораздатчиками и не могут быть распределены между животными в предусмотренных индивидуальными рационами количествах. Организовать дифференцированную раздачу корнеплодов возможно в системе привязного содержания [6,7].
Таким образом, все корма можно разделить на три группы в зависимости от возможности их раздачи при привязном содержании. Беспривязная же система содержания позволяет варьировать в рамках только двух групп кормов - концентрированных и всех остальных. Для того чтобы иметь возможность оставить постоянным соотношение объемистой части рациона, необходимо организовать разделение животных по уровню продуктивности. Продуктивность в пределах одной группы не должна варьировать значительно.
При интенсивном ведении молочного скотоводства в кормлении дойного стада перспективным является использование кормосмесей [3,4]. Они обеспечивают лучшую поедаемость кормов и высокую переваримость питательных веществ. Такая технология позволяет автоматизировать процессы приготовления и раздачи кормов. Для более тщательного балансирования рационов в зависимости от продуктивности и стадии лактации рекомендуется разделение животных по группам, что возможно как при беспривязном содержании, так и в поточно-цеховой системе производства молока. Однако далеко не во всех хозяйствах такая возможность существует [6,7].
Потребность животных в энергии и питательных веществах соответствовала детализированным нормам кормления, разработанным под редакцией академика А.П. Калашникова [4].
Результаты исследований и их обсуждение. Питательность кормов соответствовала средним показателям лучших хозяйств Могилев-ской области. Набор кормов типичен для рационов лактирующих коров Республики Беларусь. По качеству все объемистые корма соответствуют стандарту первого класса. Сюда входит сено среднего качества, сенаж разнотравный, кормовая свекла. Концентратная часть состоит из ячменной дерти и жмыха рапсового, используемого в качестве белковой добавки.
После усреднения показателя концентрации энергии в зерновых кормах, а затем в сене и сенаже получили следующие данные. КОЭ концентратов в среднем составляет 12,48 МДж/кг, а в грубых кормах -7,89 МДж/кг СВ. Использовали методику средневзвешенной средней с учетом соотношения кормов по сухому веществу.
Составив рацион средствами математической модели, получили следующий его состав (табл. 1).
Таблица 1. Рацион кормления коровы живой массой 500 кг и удоем 16 кг молока в сутки
Показатели Сено клеверо-тимофеечное Сенаж Свекла кормовая Ячменная дерть Жмых рапсовый Итого Норма ±
Количество корма, кг 2 20,68 13,74 2,63 1,15
Сухое вещество, кг 1,66 9,31 1,65 2,23 1,04 15,89 15,8 0,09
ОЭ, МДж 13,72 71,15 22,66 27,6 13,1 148,1 148 0,14
Протеин, г 106 476 124 223 331 1260 1260 0
Сахар, г 52 476 549 58 0 1135 1135 0
Структура, % 10,45 58,6 10,38 14,05 6,52 100 100 0
Соотношение кормов в оптимальном рационе существенно отличается от такового в рационе, полученном через усреднение данных традиционным методом. Доля концентратов здесь составляет не более 21% против 32% в варианте, рассчитанном без использования средств моделирования.
Судя по данным табл. 1, имеем полную сбалансированность по переваримому протеину и сахару. Особенность решения с помощью математической модели заключается в том, что здесь не производится усреднение показателей внутри групп кормов, а наоборот, соотношение выбирается таким образом, чтобы, достигнув первой цели (концентрация энергии), максимально приблизиться ко второй (протеин) и третьей (сахар).
Несмотря на идеальную сбалансированность рациона, остается открытым вопрос - насколько адекватно можно использовать одну и ту же кормосмесь из основных кормов для разных уровней продуктивности. В условиях реальной технологии невозможно обеспечить индивидуальный подход к каждому животному. Исключением можно считать раздачу комбикорма, которая производится во время доения и может быть точно нормирована [3]. С учетом этого был подобран наиболее подходящий математический метод, реализуемый в дальнейшем через информационную компьютерную технологию. Мы исходим из возможности распределения трех групп кормов при раздаче. Возможно изменение соотношения кормов только между группами, но не внутри их, так как это не технологично. Соотношение кормов в процентах по обменной энергии, при котором достигается нормативная концентрация ее в сухом веществе рациона при достаточной обеспеченности протеином и сахаром, приведено в табл. 2.
Таблица 2. Изменение соотношения основных групп кормов в рационах коров в зависимости от продуктивности
Удой, кг/сут КОЭ в рационе, МДж/кг СВ Соотношение кормов по обменной энергии, %
Концентраты Свекла Травяные корма
16 9,315 20,569 10,377 69,054
18 9,510 23,724 11,172 65,105
20 9,705 26,879 11,967 61,155
22 9,900 30,033 12,761 57,205
24 10,095 33,188 13,556 53,255
26 10,290 36,343 14,351 49,306
28 10,485 39,498 15,146 45,356
Циклическое решение математической модели рациона, целевая функция которой направлена на минимум расхождения между потребностью и поступлением с кормами основных элементов питания и энергии, позволило получить представленные в таблице варианты рационов [8]. Здесь использовано так называемое нежесткое целевое ограничение. Эта цель достигается введением системного (жесткого) ограничения для соответствия концентрации физиологически полезной энергии этому показателю, рекомендованному нормой кормления [4, 6].
Для интерполяции полученной зависимости можно воспользоваться регрессионными уравнениями, выведенными средствами пакета анализа данных, встроенного в Excel в качестве надстройки [6]:
yi = - 4,67 + 1,58х; y2 = +4,02 + 0,40х; y3 = +100,65 - 1,97х.
В этих уравнениях y1, y2, y3 - количество в суточной кормовой даче группы концентратов, свеклы и грубых кормов соответственно; х -среднесуточный удой молока 4%-ной жирности.
Расчеты по приведенным зависимостям позволяют найти наилучшее соотношение кормов в процентах по обменной энергии, т.е. при подстановке любого значения сумма трех групп кормов равна 100%.
Данная система уравнений справедлива для кормов, качество которых приближается к таковому в наших исследованиях. При этом надо учитывать, что при удое более 28 кг в сутки будет недостаточно введения 1,5 кг рапсового жмыха и поэтому следует использовать дополнительные источники белка. Учитывая рекомендованное ограничение на ввод этого корма, рационы для коров с продуктивностью более 28 кг молока в сутки становятся дефицитными по белку и требуют дополнительного источника протеина, однако такой вариант нами не просчитывался. Включение в концентратную смесь этого корма больше указанного количества нежелательно, так как может привести не только к расстройству пищеварения, но и отрицательно повлияет на качество молока. Найденная нами линейная зависимость, предположительно, существует лишь в известном интервале значений. Кроме того, нет гарантии, что экстраполяция результатов регрессионного анализа как в сторону возрастания продуктивности, так и в сторону ее снижения даст результаты, адекватные потребностям животного.
Основная идея заключается не в доказательстве целесообразности повсеместного использования рассматриваемых закономерностей, а в принципиальной возможности отыскания требуемого соотношения методом компьютерного моделирования с дальнейшим использованием соответствующей ему регрессионной зависимости для составления рационов в некотором интервале продуктивности. Это возможно при условии, что качество объемистых кормов взято достаточно высокое и приближается к стандарту первого класса.
За счет правильного распределения кормов удалось обойтись незначительными затратами концентратов, которые включают ячменную дерть и рапсовый шрот.
Заключение. В решении определенных нами задач выявлены следующие особенности конструирования рационов средствами целевого программирования с учетом технологических ограничений на их структуру:
- применение целевого моделирования делает возможным расчет оптимума при динамическом распределении кормов внутри групп, тогда как традиционный метод обеспечивает расчет требуемого по норме показателя КОЭ только при статическом (неизменном) соотно-
шении кормов объемистой группы. Это осложняет достижение других целей при оптимизации питания;
- необходимо учитывать возможности технологии раздачи кормов. Это определяется степенью приближения к индивидуальному кормлению животных, которое возможно лишь в исключительных случаях. Чаще всего раздача объемистых кормов механизирована и не может обеспечить дифференцированное распределение их между животными на ферме;
- применяя алгоритм многоцелевой оптимизации, можно значительно увеличить количество оптимизируемых признаков. Однако после исчерпания ресурсов, затраченных на основные показатели, вторичные могут оказаться вне зоны допустимых решений. В этом случае дальнейшее усложнение (увеличение количества расчетных показателей) окажется бессмысленным;
- решить задачу максимального приближения рациона к идеальному варианту методом линейного программирования с единственной целевой функцией практически невозможно.
В дополнение к сказанному следует отметить, что в реальных условиях производства чаще ставится задача отыскания не «идеального», а достаточно хорошего решения - максимально эффективного в конкретной ситуации. Это обусловлено состоянием кормовой базы и технологией содержания животных. Наиболее эффективно можно применять разработанную нами методику в условиях слабой кормовой базы (ассортимент кормов и их качество ограничены).
ЛИТЕРАТУРА
1. У о к е н б а х, Д ж о н . MS Office Excel 2007. Профессиональное программирование на VBA / Джон Уокенбах. М.: Издательский Дом «Вильямс», 2008. С. 78 - 140.
2. Г р и г о р ь е в, Н.В. Оптимизация уровня концентратов крупного рогатого скота / Н.В. Григорьев // Сб. науч. тр. / Кировская лугоболотная опытная станция «Проблемы и перспективы природопользования». Киров, 1999. С. 84-95.
3. Физиология пищеварения и кормление крупного рогатого скота: учеб. пособие / В.М. Голушко, В.К. Пестис [и др.]. Гродно: ГГАУ, 2005. С. 358 - 428.
4. К а л а ш н и к о в, А.П. Нормы и рационы кормления сельскохозяйственных животных / А.П. Калашников, В.И. Фисин. М., 2003. 456 с.
5. Экономическое моделирование в Microsoft Excel / Мур Джеффри, Уэдэрфорд Ларри Р. [и др.]. М.: Издательский Дом «Вильямс», 2004. 1024 с.
6. Кормление сельскохозяйственных животных: учеб. пособие для студ. вузов / В.К. Пестис, Н.А. Шарейко, Н.А. Яцко, Н.П. Разумовский [и др.]. Минск, 2009. С. 284 -315.
7. Кормление молочного скота: науч.-практ. издание / Н.П. Разумовский, И.Я. Пахо-мов [и др.]. Витебск: УО «ВГАВМ», 2008. 288 с.
8. Приемы составления рационов с использованием персонального компьютера / сост. А.Я. Райхман. Горки, 2006. С. 56.
9. C h a r n e s, A. Management Models and Industrial Applications of Linear Programming / A. Charnes, W. Cooper. New York: John Wiley, 1961.
