ра, т.е. нерассосавшийся желток, незамкнутое пупочное кольцо, травматические повреждения.
Заключение. Результаты наших исследований показали, что различные дозы и сочетания каротиносодержащего препарата «Каролин» с витамином А оказывают в различной степени положительное влияние на физиолого-биохимические процессы в организме птицы, выразившиеся в увеличении общего белка и белковых фракций в сыворотке крови, повышении уровня клеточных и гуморальных факторов защиты организма, накоплении незаменимых аминокислот в мышцах и витамина А в печени, вследствие которых цыплята опытных групп имели преимущества в живой массе в конце выращивания на 4,3-10,5%, экономии кормов на прирост живой массы от 2,7 до 4,1% и отличались более высокой экономической эффективностью производства.
ЛИТЕРАТУРА
1. А-витаминная активность микробиологического каротина для цыплят / И.Г. Пив-няк [и др.] // Ветеринария, 1969. №4. С. 28.
2. Брилевский, О.А. Повышение эффективности применения витамина А и каротина в кормлении сельскохозяйственных животных / О.А. Брилевский, Л.С. Макуле-вич. Аналитический обзор. Минск: Белфилиал ВНИИТЭИагропром, 2009. 46 с.
3. Букин, В.Н. Биохимия витаминов / В.Н. Букин. М.: Наука, 1982. 315 с.
4. Витамины в питании животных / А.Р. Вальдман, П.Ф. Сурай, И.А. Ионов, Н.И. Сахатский. Харьков: Оригинал, 1993. 423 с.
5. Применение препарата «Каролин» в лечебных и лечебно-профилактических целях: информ. бюллетень. Витебск, 1997. 12 с.
6. Измайлович, И.Б. Применение «Каролина» в рационах цыплят-бройлеров / И.Б. Измайлович // Актуальные проблемы интенсивного развития животноводства: матер. междунар. науч.-практ. конф.; БГСХА. Горки, 2000. С. 29-30.
7. Ascarelli, J. Absorption and transport of vitamin A in chicks / J. Ascarelli. Amer. J. Clin. Nutr., 1969, Vol. 22, №7. P. 917.
8. Bauernfeind, J.C. Carotinoid, vitamin A precursors and analogs / J.C. Bauernfeind. J. Agric. Food. Chem., 1998, Vol. 20, №3. P. 460.
УДК 636.22/.28.084.523.001
ОБОСНОВАНИЕ УРОВНЯ КОНЦЕНТРАТНОГО ПИТАНИЯ ЛАКТИРУЮЩИХ КОРОВ СРЕДСТВАМИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ РАЦИОНОВ
А.Я. РАЙХМАН
УО «Белорусская государственная сельскохозяйственная академия» г. Горки, Могилевская обл. Республика Беларусь, 213407
(Поступила в редакцию 15.01.2011)
Введение. Правильное нормирование концентрированных кормов, состоящих главным образом из зерна злаковых и бобовых культур, имеет существенное значение в решении проблемы ресурсосбережения при производстве молока. Себестоимость рационов кормления напрямую зависит от уровня включения в них концентратов. С ростом продуктивности животных увеличивается потребность в энергии и обеспеченности протеином каждой энергетической единицы. Соответственно возрастают требования и к качеству включаемых в рацион объемистых
193
кормов. При этом общеизвестно, что чем ниже качество объемистых кормов (по содержанию энергии, протеина и других питательных веществ), тем большее количество концентратов высокого качества нужно включать в рацион [1—4].
Цель работы - разработать модель рациона кормления коров, которая, с одной стороны, обеспечила бы оптимальное соотношение кормов при нормативном поступлении основных элементов питания, а с другой стороны - нормально вписывалась в технологию раздачи кормов на ферме. Технология кормораздачи является существенным ограничением при моделировании полноценного кормления [5, 6], так как изменение даже незначительных операций в ней часто оказывается невозможным из-за необходимости либо обновления технологического оборудования, либо реконструкции животноводческих помещений, что сопряжено с большими материальными затратами.
Материал и методика исследований. Задача решалась средствами программы «Поиск решения», входящей в состав пакета прикладных программ MS Office. Модель была построена по принципу многоцелевого программирования. Целевое программирование является расширением линейного программирования, предполагающим наличие системы предпочтений при работе как минимум с двумя или несколькими целями [6-8]. Это именно та ситуация, когда требуется довести несколько целей одновременно хотя бы до минимально удовлетворительных уровней. Цели имеют разный уровень значимости, а система предпочтений определяется человеком на эвристическом уровне через его интуицию [9].
Нам удалось построить модель, позволяющую сбалансировать рационы по энергии, ориентируясь на ее концентрацию в сухом веществе рациона (КОЭ). Второй по значимости была задача обеспечения достаточного поступления в организм протеина и сахара. При этом учитывалась организация технологического процесса на ферме. В рамках математической модели рациона это обстоятельство выступает в качестве еще одного дополнительного ограничения. Следовало отыскать такое соотношение кормов, которое оказалось бы наилучшим для различных уровней продуктивности и в то же время оставалось бы технологичным, поскольку не представляется возможным изменять его в рационах каждого отдельного животного. 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 [7]. Объясняется это тем, что объемистые корма, как правило, раздаются мобильными кормораздатчиками и не могут быть распределены между животными в количествах, предусмотренных индивидуальными рационами. Организовать дифференцированную раздачу корнеплодов возможно в системе привязного содержания [5, 6]. 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. Однако здесь проще организовать разделение животных по уровню продуктивности, и в этом случае соотношение кормов объемистой части рациона может оставаться постоянным.
В условиях интенсивного ведения молочного скотоводства в кормлении дойного стада перспективным является использование кормо-смесей. Они обеспечивают лучшую поедаемость кормов и высокую переваримость питательных веществ. Использование кормосмесей 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 [3, 5, 6].
Расчеты сводились к отысканию оптимального рецепта кормосме-си. Предлагаемая нами методика, основанная на оптимизационной модели, позволяет рассчитать соотношение кормов, получив требуемую по норме концентрацию энергии, а также сбалансировав рацион по протеину и сахару [8].
Результаты исследований и их обсуждение. За основу был взят традиционный набор кормов, используемый в лучших хозяйств Моги-левской области. По качеству все корма соответствуют стандарту первого класса, а их питательность приближается к лучшим показателям по области. Сюда входит сено среднего качества, сенаж разнотравный, кормовая свекла. Концентратная часть состоит из ячменной дерти и жмыха рапсового, используемого в качестве белковой добавки.
При усреднении показателей концентрации энергии в зерновых кормах, а затем в сене и сенаже получаем следующие данные: КОЭ концентратов в среднем составит 12,48 МДж/кг, а в грубых кормах -7,89 МДж/кг СВ.
Оптимизация математической модели дала следующий состав рациона (табл.1). Соотношение кормов в оптимальной смеси существенно отличается от такового в рационе, полученном через усреднение данных традиционным методом.
Таблица 1. Оптимальный рацион кормления коровы живой массой 500 кг и удоем 16 кг молока в сутки
Корма Сено Сенаж Свекла Ячменная дерть Жмых рапсовый Итого Норма
Количество корма, кг 2 20,68 13,74 2,63 1,15 - -
СВ, кг 1,66 9,31 1,65 2,23 1,04 15,89 15,8
ОЭ, МДж 13,72 71,15 22,66 27,56 13,05 148,14 148
ПП, г 106 476 124 223 331 1260 1260
Сахар, г 52 476 549 58 0 1135 1135
Структура, % 10,45 58,6 10,38 14,05 6,52 100 100
Из таблицы видно, что доля концентратов здесь составляет не более 21% против 32% в варианте, рассчитанном без использования средств моделирования. При этом мы получили идеальную сбалансированность по переваримому протеину и сахару.
Наша методика 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) [8].
Рацион сбалансирован практически идеально, но остается открытым вопрос - насколько адекватно можно использовать одну и ту же кормосмесь из основных кормов для разных уровней продуктивности? Ведь 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. 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. Приведем соотношение кормов в процентах по обменной энергии, при котором достигается нормативная концентрация ее в сухом веществе рациона при достаточной обеспеченности его протеином и сахаром (табл. 2).
Таблица 2. Соотношение основных групп кормов в рационах коров в зависимости от продуктивности
Удой, кг/сут КОЭ в рационе, МДж/кг СВ Концентрированные корма, % Свекла, % Травянистые корма, %
16 9,3 20,6 10,4 69,1
18 9,5 23,7 11,2 65,1
20 9,7 26,9 12,0 61,2
22 9,9 30,0 12,8 57,2
24 10,1 33,2 13,6 53,3
26 10,3 36,3 14,4 49,3
28 10,5 39,5 15,1 45,4
Такие варианты кормления получены путем решения математической модели рационов, целевая функция которой направлена на минимум расхождения между потребностью в переваримом протеине и его поступлением с кормами. Здесь использовано так называемое нежесткое целевое ограничение. Это же касается и оптимизации по сахару. По этому показателю в модели задано «>» (не меньше). Главная же цель достигается введением системного (жесткого) ограничения для соответствия концентрации физиологически полезной энергии этому показателю, рекомендованному нормой кормления [8, 9].
Для интерполяции полученной в модели зависимости можно воспользоваться регрессионными уравнениями, определенными средствами пакета анализа данных, встроенного в Excel в качестве надстройки:
У! = - 4,67 + 1,58хх, у2 = + 4,02 + 0,40 хх, у3 = + 100,65 - 1,97хх,
где у1, у2, у3 - количества в суточной кормовой даче группы концентратов, свеклы и грубых кормов соответственно; х - среднесуточный удой молока 4%-ной жирности. В приведенных зависимостях корма выражены в процентах по обменной энергии, т.е. при подстановке любого значения сумма трех групп кормов равна 100%. Для наглядности приведена диаграмма (рис. 1), из которой видно возрастание доли концентратов и снижение грубых кормов при повышении продуктивности животных. 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. 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. Найденная нами линейная зависимость, предположительно, существует лишь в известном интервале значений [8, 9].
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 для некоторого интервала продуктивности.
на 1 6 кг на 22 кг на 24 кг 28 кг
•^Концентраты ^Свекла ^Грубые
Рис. 1. Соотношение основных групп кормов в рационах коров с разной продуктивностью
197
При оптимизации смеси кормов удалось обойтись незначительными затратами концентратов, которые включают ячменную дерть и рапсовый шрот. Это возможно при условии, что качество объемистых кормов достаточно высокое и приближается к стандарту первого класса.
Заключение. В решении определенных нами задач выявлены следующие особенности конструирования рационов средствами целевого программирования с учетом технологических ограничений на их структуру.
1. Разработка рационов кормления молочного скота требует обязательного учета возможностей технологии раздачи кормов. Это определяется степенью приближения к индивидуальному кормлению животных, которое возможно лишь в исключительных случаях. Обычно же раздача объемистых кормов механизирована и не может обеспечить дифференцированное распределение их между животными на ферме. В большинстве случаев осуществляется усредненная раздача, когда соотношение ресурсов объемистых кормов в рационе остается неизменным.
2. Применение целевого моделирования делает возможным расчет оптимума при динамическом распределении кормов внутри групп, тогда как традиционный метод обеспечивает расчет требуемого по норме показателя КОЭ (концентраций обменной энергии) только при статическом (неизменном) соотношении кормов объемистой группы. Это осложняет достижение других целей при оптимизации питания.
3. Обеспечивается максимальное приближение поступления протеина и сахара к нормативному показателю в области допустимых решений, определяемой главным параметром - КОЭ в сухом веществе рациона. Решить такую задачу методом линейного программирования с единственной целевой функцией достаточно сложно [9]. Традиционные же методики (без применения компьютерного моделирования) весьма сложны и доступны только специалистам-математикам при несоразмерных затратах времени.
4. Результат получается одним проходом процедуры оптимизации (при большом количестве итераций, которые скрыты от пользователя, поскольку выполняются в оперативной памяти компьютера), тогда как методика линейного программирования реализуется несколькими проходами, каждый из которых ищет решение в пределах предыдущего. При этом перед каждым очередным проходом необходимо переопределять параметры модели [8].
5. 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 [8, 9].
Следует отметить, что в реальных условиях производства чаще ставится задача отыскания не «оптимального», а достаточно хорошего решения - максимально эффективного в конкретной ситуации. В любом случае невозможно полностью уйти от эвристических методов
решения производственных задач составления рационов, основанных на интуиции. Вопрос лишь в том, каким образом приблизить абстрактную модель к реальному положению вещей, оставив специалисту право выбора наиболее целесообразного варианта из некоторого множества допустимых, полученных в процессе моделирования.
Теоретические аспекты, изложенные в этой работе, можно использовать для разработки типовых рационов в хозяйствах со сходными технологиями заготовки и раздачи кормов.
ЛИТЕРАТУРА
1. Г р и г о р ь е в, Н.В. Оптимизация уровня концентратов крупного рогатого скота / Н.В. Григорьев // Проблемы и перспективы природопользования; научные труды Кировской лугоболотной опытной станции. Киров, 1999. С. 84-95
2. Нормы и рационы кормления сельскохозяйственных животных / А.П. Калашников, В.И. Фисин [и др.]. М., 2003. 456 с.
3. Физиология пищеварения и кормление крупного рогатого скота / В.М. Голушко, А.М. Лапотко, В.К. Пестис, А.В. Голушко. Гродно, 2005.
4. И о ф ф е, В. Б. Практика кормления молочного скота / В. Б. Иоффе. Молодечно: УП «Типография «Победа», 2005.
5. С к р ы л е в, Н. И. Нормированное кормление крупного рогатого скота и техника составления рационов / Н.И. Скрылев, М.В. Шупик. Горки, 2001.
6. Р а й х м а н, А.Я. Использование адресных комбикормов-концентратов - повышение эффективности кормления коров на раздое / А.Я. Райхман // Вестник БГСХА, Горки, 2010. №3.
7. Р а й х м а н, А.Я. Оптимизация концентратного питания коров с учетом реального потребления сухого вещества рациона / А.Я. Райхман // Актуальные проблемы интенсивного развития животноводства: матер. междунар. студенческой науч. конф. Горки, 2010.
8. Р а й х м а н, А.Я. Приемы составления рационов с использованием персонального компьютера: метод. указания / А.Я. Райхман. Горки, 2006.
9. Экономическое моделирование в Microsoft Excel / Мур Джеффри, Уэдэрфорд, Р. Лари [и др.]. М.: Издательский дом «Вильямс», 2004. 1024 с.
УДК 636.22/.28.084.523.001.57
СРАВНИТЕЛЬНАЯ ЭФФЕКТИВНОСТЬ РАЦИОНОВ МОЛОЧНЫХ КОРОВ, СБАЛАНСИРОВАННЫХ ПО РАЗЛИЧНЫМ ЭНЕРГЕТИЧЕСКИМ ПОКАЗАТЕЛЯМ
А.Я. РАЙХМАН
УО «Белорусская государственная сельскохозяйственная академия» г. Горки, Могилевская обл. Республика Беларусь, 213407
(Поступила в редакцию 15.01.2011)
Введение. В последние два десятилетия в нашей республике осуществляется переход к оценке кормов по обменной энергии. Существовавшая до сих пор система оценки кормов и рационов по овсяным кормовым единицам не отвечает реальной потребности животных в энергии и уходит в прошлое. В настоящее время измерение питательности кормов и энергетической потребности животных принято производить в обменной энергии. Такая система наилучшим образом обеспечивает расчет потребности в энергии при широко изменяющихся условиях [1-3].