CC BY
10
DOI: 10.25930/2687-1246/007.2.13.2020 УДК 636.39.082
ДВУХЭТАПНАЯ ПРОЦЕДУРА ОЦЕНКИ И РАНЖИРОВАНИЯ ЖИВОТНЫХ С ИСПОЛЬЗОВАНИЕМ СЕЛЕКЦИОННЫХ ИНДЕКСОВ И ОБОБЩЕННОГО
ПОКАЗАТЕЛЯ КАЧЕСТВА
К.А. Катков, А.А. Омаров
Успешная селекционная работа должна проводиться на основании эффективной оценки животных. Такая оценка предполагает одновременный анализ нескольких хозяйственно полезных признаков. Следовательно, необходимо использовать комплексные показатели, которые позволят провести такой анализ. При этом неизбежно возрастает объем математических вычислений. Существующие методы оценки по нескольким параметрам не лишены недостатков. К таким недостаткам можно отнести снижение селекционного ответа по каждому признаку с увеличением количества признаков в индексе. Также следует учесть, что с увеличением объема анализируемой выборки животных возрастает количество ошибок. В данной работе предлагается совместить два различных метода оценки и ранжирования животных. Всю процедуру оценки предлагается проводить в два этапа. На первом этапе используется метод индексной селекции. Результатом работы данного метода является формирование уточненной выборки, в которой отсутствуют животные с низкими значениями хозяйственно полезных признаков. На втором этапе применяется метод построения обобщенного показателя качества. Этот метод предполагает проведение экспертной оценки. Субъективизм экспертной оценки позволит акцентировать внимание на отдельных признаках. Таким образом, «объективный» метод индексной селекции снижает объем анализируемой выборки, исключая животных с низкими показателями. Далее «субъективный» метод обобщенного показателя качества уточняет оценку животных на основании опроса экспертов. Данный подход поможет селекционеру выбрать наиболее оптимальную стратегию селекционной работы.
Ключевые слова: селекционный индекс, обобщенный показатель качества, оценка, ранжирование
A TWO-STAGE PROCEDURE FOR THE EVALUATION AND RANKING OF ANIMALS USING SELECTION INDICES AND THE GENERALIZED
INDEX OF QUALITY
K.A. Katkov, A.A. Omarov
Successful breeding work should be based on an effective evaluation of animals. Such an evaluation involves the simultaneous analysis of several economically useful traits. Therefore, it is necessary to use comprehensive indices that will allow us such an analysis. A the same time the volume of mathematical calculations inevitably increases. The existing methods of evaluating several parameters are not without drawbacks. These disadvantages include a decrease in the selection response for each character with an increase in the number of characters in the index. It should also be taken into account that the number of errors increases with the volume of the analyzed sample of animals. In this paper, we propose to combine two different methods for evaluating and ranking animals. The entire evaluation procedure is proposed to be carried out in two stages. At the first stage, the index selection method is used. The result of this method is the formation of a more precise sample, in which there are no
animals with low values of economically useful traits. At the second stage, the method of constructing a generalized quality index is applied. This method involves expert evaluation. The subjectivity of the expert evaluation will allow you to focus on individual characteristics. Thus, the "objective" method of index selection reduces the volume of the analyzed sample, excluding animals with low indices. Further, the "subjective" method of a generalized quality indes clarifies the evaluation of animals based on a questioning of experts. This approach will help the breeder to choose the most optimal selection strategy.
Key words: selection index, the generalized indicator of quality, evaluation, ranking
Актуальность работы. Селекционная работа в животноводстве только тогда может считаться успешной, когда ее итогом является получение животных с высокими показателями требуемых хозяйственно полезных признаков (ХПП) [1, 2]. Очевидно, что для качественной оценки животных необходимо анализировать сразу несколько ХПП. В этой связи актуальной задачей является привлечение для целей селекционной работы методов математического и компьютерного моделирования. Существует достаточно большое количество методов машинного обучения, которые успешно используются в животноводстве при классификации животных [3]. Среди этих методов можно выделить дискриминантный анализ, метод дерева решений и т. д. Все эти методы требуют предварительного создания обучающих выборок, на основе которых будет проводиться последующая классификация. Но простая классификация животных на «хороших» и «плохих» еще не решит всех задач, стоящих перед селекционером. Помимо классификации необходимо провести ранжирование животных. Сделать это на основе нескольких ХПП способен метод индексной селекции [4-7], а также метод обобщенного показателя качества [8, 9]. При работе с комплексными показателями, каковыми являются и селекционный индекс, и обобщенный показатель качества, необходимо помнить, что такие показатели не лишены погрешностей. Причем, чем больше ХПП входят в состав показателя, тем больших погрешностей следует ожидать [4, 5]. Также количество ошибок может возрастать при увеличении объема оцениваемой выборки животных.
Формирование селекционных индексов в овцеводстве достаточно подробно рассмотрено в работах [4-7]. Этот метод лишен субъективной составляющей, а значение селекционного индекса зависит только от статистических параметров анализируемой выборки животных и коэффициентов наследуемости выбранных ХПП. В то же время часто необходим определенный субъективизм в оценке животных. Это требуется в тех случаях, когда из всех признаков, которые выбраны для получения оценки, необходимо акцентировать внимание на одном или нескольких. При этом значения всех остальных признаков также должны учитываться. В этом случае имеет смысл воспользоваться методом построения обобщенного показателя качества. Он основан на использовании обобщенной функции желательности Харрингтона [9].
Как уже указывалось выше, количество ошибок при использовании комплексных показателей зависит от объема выборки. Поэтому имеет смысл рассмотреть двух-этапную процедуру оценки и ранжирования животных. На первом этапе использовать метод селекционных индексов, который позволит отобрать животных, имеющих низкие значения ХПП [6, 7]. Эта оценка будет носить объективный характер. На втором этапе предлагается к отобранным «лучшим» животным применить метод обобщенного показателя качества. Это позволит из уже сокращенной выборки отобрать животных с учетом акцентирования на каком-либо конкретном признаке.
Целью данной статьи является выработка рекомендаций для двухэтапной процедуры формирования комплексной оценки животных с учетом методов индексной селекции и обобщенного показателя качества.
Научная новизна. Традиционно обобщенный показатель качества используется для оценки информационных, технических и экономических систем. Использование его в овцеводстве представляет определенную новизну. Также новизну представляет комбинация методов индексной селекции и обобщенного показателя качества.
Метод индексной селекции. Для первого этапа комплексной оценки предлагается использовать селекционный индекс на основе селекционного отношения (I^).
Для формирования селекционного индекса на основе селекционного отношения используются следующие выражения [4 - 7]:
I ^ (] = ). (0
"1 X,
К - Д ; (2)
,-1
щя - Хщ Л , (3)
X
где М - количество оцениваемых животных; Ху - значение /-го признака для у-го животного; Хщ - показатели желательного типа (целевые показатели) для /-го ХПП; X, -среднее значение /-го признака в выборке оцениваемых животных, N - количество ХПП, участвующих в формировании индекса; о/ - среднее квадратичное отклонение
(СКО) ХПП в оцениваемой выборке; А2 - значение коэффициента наследуемости по /му ХПП; А — Х.тах — Хгшш - размах значений /-го признака в выборке.
В результате выполнения первого этапа вся выборка животных ранжируется и в ней «отфильтровываются» животные, чьи значения ХПП меньше, чем средние значения по выборке. Эти животные являются бесперспективными для дальнейшей селекционной работы. К оставшейся группе животных на втором этапе применяется метод обобщенного показателя качества.
Метод обобщенного показателя качества. Идея метода обобщенного показателя качества базируется на использовании обобщенной функции желательности Хар-рингтона.
Обобщенная функция желательности устанавливает зависимость желательности (ё) от безразмерной величины, называемой частным показателем (Т). Соотношение между величинами ё и Т устанавливается выражением [8, 9]:
й - ехр [—ехр (—У)] (4)
Значения желательности (ё) распределены на интервале от 0 до 1 и имеют пять качественных уровней: «очень плохо» - от 0 до 0,2; «плохо» - от 0,3 до 0,37; «удовлетворительно» - от 0,37 до 0,63; «хорошо» - от 0,63 до 0,8; «очень хорошо» - от 0,8 до 1.
Обобщенный показатель качества (Б) рассчитывается на основании желательности отдельных ХПП, входящих в оценку животных. Выражение для расчета величины Dj для каждогоу-го животного имеет вид [8]:
N
N П
(5)
¿=1
где ёу - значение желательности 1-го признака для ^го животного; ^ - весомость 1-го признака.
Частные показатели (У) для уровней желательности определяются в соответствии с (4) как
У = 1п
, р "Л
1п-
dу
V4 у у
(6)
Для уровней значимости 0,2; 0,37; 0,63; 0,8; 0,95 рассчитываются значения частных показателей (У). Вместо значения й=1 для уровня «очень хорошо» принимается значение ё=0,95, так как при й=1 значение У = . Эти значения представлены ниже, в таблице 1.
Таблица 1 - Значения Y для различных уровней желательности
Уровень желательности ё 0,95 0,8 0,63 0,37 0,2
Значение У 2,2504 1,4999 0,7721 0,0058 -0,4759
Теперь устанавливается соответствие значений ХПП, используемых в оценке животных, различным уровням желательности (табл. 2). В качестве нижнего уровня желательности берется значение ё=0,2.
Таблица 2 - Значения ХПП при различных уровнях желательности
Хозяйственно полезные признаки Уровень желательности ё
0,95 0,8 0,63 0,37 0,2
Хх Х(0'95) Х(0'8) ^(0,63) Х(0,37) х(°л)
Х2 X^0'95) ^(0,63) Х(0,37) X^,2)
Хы Х N Х N ■^(0,63) Х N Г(0,37) Х N Х N
Соотношение между частным показателем У и значениями ХПП для различных уровней желательности: X. ,X. ,X. ,X. ,X. - устанавливается с помощью аппроксимирующих полиномов. Степень полинома определяется по условию максимального приближения к значениям в узловых точках. Для этой цели можно воспользоваться специальными функциями Matlab: polyfit и polyval [10]. С помощью аппроксимирующего полинома находятся входящие в (4) значения У для натуральных значений ХПП для каждого животного. Далее определяются значения желательности 1-го признака (^ ) для каждого животного.
Субъективизм обобщенному показателю качества придает экспертная оценка. В оценке каждый эксперт должен указать ранг каждого хозяйственно полезного признака и его весомость. На основании этой оценки определяется весомость каждого признака к как среднее арифметическое весомости /-го признака, определенное экспертами. Степень согласованности мнений экспертов должна быть проверена по критерию X [9, 11]. Если проверка согласованности мнений экспертов прошла успешно, то значения к подставляются в (5) и находятся обобщенные показатели качества (Бу) для всех у животных. После этого выборка ранжируется по значению Бу.
Результаты. Предложенная процедура двухэтапной оценки животных была апробирована на выборке из 99 голов баранов северокавказской мясо-шерстной породы. Выборка формировалась из особей одного возраста, находящихся в одном стаде. В качестве ХПП, участвующих в формировании комплексных показателей, использовались живая масса, длина шерсти, настриг чистой шерсти и тонина шерсти. Значения исходных данных представлены на рисунке 1.
На первом этапе оценки селекционные индексы позволили сформировать уточненную выборку из 53 животных, чьи значения ХПП были больше средних значений в выборке. Дальнейшая работа проводилась с этой выборкой.
кг
100
0 10 20 30 40 50 60 70 80 90 100
г) Номер животного
Рисунок 1 - Значения ХПП в анализируемой группе баранов: а) живая масса; б) длина шерсти; в) настриг чистой шерсти; г) тонина шерсти.
Экспертная оценка позволила определить следующие значения весомости ХПП (£;), участвующих в формировании обобщенного показателя: живая масса - 0,29; длина шерсти - 0,275; настриг чистой шерсти - 0,275; тонина шерсти - 0,16. Таким образом, наибольший акцент в экспертной оценке делается на живую массу, несколько меньший на длину шерсти и настриг, наименьшую весомость имеет тонина. При этом стоит учесть, что, несмотря на приоритет живой массы, совместное влияние длины шерсти и настрига может в ряде случаев превалировать.
Результаты расчета обобщенных показателей качества (Б) для уточненной выборки животных (из 53 голов) представлены на рисунке 2.
Б
0.94----------
Рисунок 2 - Значения обобщенного показателя качества Б для уточненной выборки животных.
Ранжировав животных по убыванию величины Dj, получим следующую последовательность номеров животных: 44; 48; 59; 88; 10; 9; 49; 27; 39; 91; 45;23; 5; 2; 1; 63; 41; 24; 3; 71; 40; 43; 80; 29; 4; 17; 50; 21; 72; 15; 51; 46; 68; 37; 61; 93; 74; 86; 79; 25; 77; 36; 94; 66; 83; 19; 58; 89; 99; 84; 73; 95; 60.
Если не использовать метод индексной селекции и сразу рассчитать обобщенный показатель качества для исходной выборки (99 голов), то в число первых 53 голов вошли бы 12 животных, с низкими значениями селекционного индекса. Анализ показателей этих животных показал, что это было бы ошибкой. Таким образом, двухэтапная процедура оценки и ранжирования позволила исключить до 22,6% ошибок ранжирования.
Заключение. Проведенное исследование позволяет сделать следующие выводы.
1. Для эффективной оценки животных необходимо применять методы, позволяющие учитывать несколько ХПП.
2. Представленная двухэтапная процедура оценивания и ранжирования позволяет предварительно исключить из рассмотрения животных с низкими показателями ХПП. При этом исключение происходит только на основании статистических параметров выборки.
3. Метод использования обобщенного показателя качества предполагает некоторый субъективизм, обусловленный экспертной оценкой. При проведении селекционной работы это оправдано в случаях, когда требуется акцентировать внимание на каком-либо конкретном признаке.
4. Предложенная методика оценки увеличивает объем вычислений, но позволяет избежать ошибок. При этом использование современных информационных технологий позволяет нивелировать недостатки, связанные с увеличением вычислительной работы.
Благодарности. Автор выражает благодарность сотруднику ФГБНУ «СевероКавказский ФНАЦ» Омарову А.А за предоставление первичных данных о северокавказской мясо-шерстной породе.
Литература
1. Ефимова Н.И., Скорых Л.Н., Копылов И.А. Шерстная продуктивность потомков от производителей импортной селекции //Сборник научных трудов Всероссийского научно-исследовательского института овцеводства и козоводства. 2015. Т.2. № 8. С. 17-21.
2. Копылов И.А., Скорых Л.Н., Ефимова Н.И. Мясность молодняка овец породы советский меринос и их помесей с австралийскими баранами //Овцы, козы, шерстяное дело. 2017. № 2. С. 26-27.
3. Михальский А.И., Новосельцева Ж.А. Методы компьютерного анализа данных в задачах по мониторингу и совершенствованию управления стадом // Проблемы биологии продуктивных животных. 2019. №1. С. 95-111.
4. Интенсификация племенного отбора в свиноводстве /Н.В. Михайлов, Г.А. Каратунов, О.Л. Третьякова, Э.В. Костылев - пос. Персияновский: ДонГАУ, 1999. 100 с.
5. Михайлов Н.В., Кабанов В.Д., Каратунов Г.А. Селекционно-генетические аспекты оценки наследственных качеств животных. - Новочеркасск: ДонГАУ, 1996. 63 с.
6. Два подхода к формированию селекционных индексов в овцеводстве /К.А. Катков, Л.Н. Скорых, П.С. Остапчук, С.А. Емельянов, А.В. Паштецкая //Вестник АПК Ставрополья. 2019. № 2(34). С. 8-14.
7. Катков К.А. Формирование селекционных индексов для прогноза эффективности селекции в овцеводстве //Сельскохозяйственный журнал. 2019. №4(12). С. 31-39.
8. Сохт К.А., Кириченко А.К. Применение метода обобщенного показателя качества при выборе технологической схемы сельскохозяйственных машин //Сборник научных трудов КНИИСХ Механизация производства зерна в Краснодарском крае. 1979. Вып. 18. С. 108-113.
9. Пичкалев А.В. Обобщенная функция желательности Харрингтона для сравнительного анализа технических средств //Исследования наукограда. 2012. №1(1). С. 25-28.
10. Информационные технологии /К.А. Катков [и др.]. Ставрополь: Изд-во СКФУ, 2014. 254 с.
11. Кендэл М. Ранговые корреляции. - М.: «Статистика», 1975. 218 с.
Катков Константин Александрович, кандидат технических наук, доцент, ведущий научный сотрудник ВНИИОК - филиала ФГБНУ «Северо-Кавказский ФНАЦ», 355000 г. Ставрополь, пер. Зоотехнический,15, тел. 89188619802, E-mail:kkatkoff@mail .ru
Katkov Konstantin Aleksandrovich, Candidate of Technical Sciences, Associate Professor, Leading Researcher, All - Russian Research Institute of Sheep and Goat Breeding - branch of the FSBSI "North Caucasus FARC", 355017, Stavropol, Zootechnichesky, 15, tel. 89188619802, E-mail:kkatkoff@mail.ru
Омаров Арслан Ахметович, кандидат сельскохозяйственных наук, ведущий научный сотрудник ВНИИОК - филиала ФГБНУ «Северо-Кавказский ФНАЦ», 355000
г.Ставрополь,пер.Зоотехнический,15,тел.89188619802,E-mail:omarov1977@yandexl.ru
Omarov Arslan Akhmetovich, candidate of agricultural Sciences, leading researcher All - Russian Research Institute of Sheep and Goat Breeding - branch of the FSBSI "North Caucasian FARC", 355017 Stavropol, Zootechnichesky, 15, tel. 899064907296, E-mail: oma-rov1977@yandexl.ru
DOI: 10.25930/2687-1246/008.2.13.2020 УДК 636.32/.38.082.2:636.32/.38.035
ЭФФЕКТИВНОСТЬ ЛИНЕЙНОГО РАЗВЕДЕНИЯ В ХОЗЯЙСТВАХ-
ОРИГИНАТОРАХ ПОРОДЫ РОССИЙСКИЙ МЯСНОЙ МЕРИНОС
С.Н. Шумаенко
Реферат. Современной зоотехнической наукой и практикой доказано, что наиболее совершенной формой племенной работы со стадом является разведение овец по линиям. Показана актуальность создания линий породы российский мясной меринос с высокой живой массой и со специфическими свойствами шерсти, стойко передающимися потомству в процессе совершенствования генетической структуры стада овец. Установлено, что в структуре новой породы имеется шесть внутрипородных линий: ВК-40, МЕ-50, АС-30, ВС-41, СМ-18, ВП-59, различающихся по выходу, настригу мытой шерсти, тонине, густоте, извитости шерсти, живой массе животных. Выявлено, что линии создавались на получение животных с высокой живой массой, настригом шерсти, лучшей структурой руна и более высоким выходом мытой шерсти. Отмечено, что линейные бараны-производители новой мясо-шерстной породы обладают препотентно-стью и целесообразно их использовать для повышения мясной и шерстной продуктивности в стадах. В результате полученных данных установлено, что родоначальники линий характеризуются высокой живой массой - 118-144 кг, настригом немытой шерсти -9,0-13,2 кг, выходом мытой шерсти - 61,1-65,9%, длиной шерсти - 9,0-12,0 см и тониной шерстного волокна - 19-22 мкм. Рекомендуется для эффективного повышения продуктивности овец породы российский мясной меринос использовать высокоценных линейных производителей, а также проводить обмен генетическим материалом между хо-зяйствами-оригинаторами новой тонкорунной породы мясо-шерстного направления продуктивности.
Ключевые слова: порода, российский мясной меринос, линейное разведение, подбор, мясная и шерстная продуктивность
