CC BY
26
6. И г н а т о в, А. В. Мясная продуктивность бычков на рационы с разным энергопротеиновым отношением / А. В. Игнатов, Г. М. Алфимцева, В. И. Агафонов // Зоотехния. - 2003. - № 2. - С. 13-15.
7. Г а н у щ е н к о, О. Ф. Льносемя, продукты его переработки и их практическая ценность / О. Ф. Ганущенко // Белорусское сельское хозяйство. - 2009. - N° 10. - С. 18
8. Л е в а х и н, Г. И. Влияние энергетической ценности рационов на использование протеина бычками / Г. И. Левахин, А. Г. Мещеряков // Животноводство России. - 2006. -№ 5. - С. 10-13.
9. О в с я н н и к о в, А. И. Основы опытного дела в животноводстве / А. И. Овсянников. - Минск : Колос, 176. - 304 с.
10. В и к т о р о в, П. И. Методика и организация зоотехнических опытов / П. И. Викторов, В. К. Менькин. - М. : Агропромиздат, 1991. - 112 с.
11. М а л ь ч е в с ка я, Е. Н. Оценка качества и химический анализ кормов / Е. Н. Мальчевская, Г. С. Миленькая. - Минск : Ураджай, 1981. - 143 с.
12. Зоотехнический анализ кормов : учебное пособие для студентов вузов по спец. «Зоотехния» и «Ветеринария» / Е. А. Петухова [и др.]. - 2-е изд., доп. и перераб. - М.: Агропромиздат, 1989. - 239 с.
УДК 636.084:004.416.6
ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ РАЦИОНОВ КОРОВ, ОСНОВАННЫХ НА КОРМОСМЕСЯХ С РАЗЛИЧНОЙ КОНЦЕНТРАЦИЕЙ ОБМЕННОЙ ЭНЕРГИИ
А. Я. РАЙХМАН УО «Белорусская государственная сельскохозяйственная академия» г. Горки, Могилевская обл. Республика Беларусь, 213407
(Поступила в редакцию 19.01.2014)
Введение. В кормлении молочного скота одним из основных требований к рационам кормления является степень сбалансированности их по отношению к научно обоснованной норме. Наиболее важный фактор, определяющий потребление полезной энергии? - поедаемость кормов, а точнее - поедаемость сухих веществ кормов из основной части рациона. Проблема заключается в том, что с ростом продуктивности повышение потребления сухого вещества объемистых кормов возрастает незначительно. Поэтому возрастают требования к качеству кормов, которые должны быть более концентрированы по энергии и протеину. Наукой о кормлении доказано, что с возрастанием продуктивности увеличивается не только потребность в энергии и питательных веществах, но и значимость отклонений от истинной потребности для любого фактора питания [5, 6].
Идеально составленные рационы чаще всего существуют только на бумаге. В условиях конкретного хозяйства, как правило, не удается подойти к наилучшему решению из-за существования целого ряда как субъективных, так и объективных ограничений. Необходимо учитывать реальные возможности технологий производства кормов и кормовой базы, чтобы создать наиболее благоприятные условия содержания и кормления животных. Все большее значение приобретает анализ информации, позволяющий выявить слабые места в технологии, определить количественно факторы, сдерживающие повышение экономической эффективности производства [7, 9, 10].
Наиболее мощным средством анализа модели оптимизируемого рациона кормления является параметрический анализ. Сущностью параметрического анализа является определение необходимой и достаточной совокупности показателей, характеризующих все исследуемые свойства системы и формирование зависимостей, характеризующих суммарный эффект от применения системы или ее элементов [1, 2, 8].
Параметрический метод можно отнести к наиболее объективным методам. Он основывается на количественном и качественном выражении исследуемых свойств и установлении взаимосвязей между параметрами как внутри управляющей и управляемых подсистем, так и между ними. Это дает возможность на базе фактических данных определить форму зависимостей взаимосвязанных параметров и их количественное выражение. Зависимости параметров могут быть функциональными (проявляемые определенно и точно в каждом отдельно наблюдаемом случае - наблюдении) или корреляционными (определяемые на основе корреляционного метода) [3, 4, 8].
Цель работы - разработать средствами компьютерного моделирования оптимальный рацион и определить, каким образом качество основных кормов влияет на его стоимость и потребность в концентратах.
Материал и методика исследований. Для достижения цели были поставлены следующие задачи:
- создать математическую оптимизационную модель рациона для коров с продуктивностью 6500-7000 кг молока за лактацию и рассчитать оптимальное соотношение кормов в ней в зависимости от качества кормосмеси из бобово-злакового сенажа и силоса из зеленой массы кукурузы, заготовленного в фазу молочно-восковой спелости зерна;
- испытать новый инструмент анализа «Динамический параметрический анализатор» в анализе рационов кормления коров;
- произвести параметрический анализ кормления коров и определить потенциальные возможности повышения эффективности производства молока при изменении качества кормов;
- рассчитать экономическую эффективность вариантов кормления.
Исследования проводились в зимне-стойловый период 2012 года в
ОАО «Новогородищенское», где на 1 января 2012 года площадь пашни составляла 6328 га, сельскохозяйственных угодий - 8237 га, общая площадь предприятия составляет 8999 га. С 2010 по 2012 год посевы кукурузы на силос здесь существенно увеличены (с 360 до 1205 га, т. е. почти пятая часть от всей площади сельскохозяйственных угодий). Начало закладки силосных траншей - вторая неделя августа. Это еще только молочная спелость зерна. Последний урожай на силос убирали в сентябре, когда зерно практически достигло восковой спелости и содержание сухого вещества приблизилось к 30 %. Кукуруза на зерно выдерживалась до октября. Растения уже приобретали темную окраску листьев, а содержание сухого вещества достигало 38-43 % и более.
Информация о питательности сенажа и силоса получена в областной лаборатории зоотехнического анализа кормов, куда регулярно сдавались образцы в процессе заготовки кормов и при открытии хранилищ для скармливания крупному рогатому скоту.
При составлении оптимальных рационов для стельных сухостойных и дойных коров мы использовали компьютерную программу «Конструктор рационов кормления», разработанную на кафедре кормления сельскохозяйственных животных БГСХА. С помощью этой же программы рассчитали адресные рецепты комбикормов и премиксов на стойловый и пастбищный период. Оптимизация рационов позволила получить экономически выгодные варианты кормления с одновременным улучшением его полноценности [10].
Для более глубокого анализа возможностей совершенствования системы кормления мы использовали «Динамический параметрический анализатор», разработанный на кафедре кормления сельскохозяйственных животных БГСХА. Этот инструмент позволил определить количественно, каким образом можно снижать расход концентратов и стоимость рациона в зависимости от пошагового изменения питательности объемистых кормов в сторону улучшения.
Нами разработан принципиально новый инструмент анализа оптимизационных моделей рационов кормления. Подготовлена компьютерная программа в формате надстройки Excel. Составлен оптималь-
ный рацион кормления для лактирующих коров, который был подвергнут анализу на предмет возможностей его улучшения за счет повышения качества объемистых кормов.
Под управляющим параметром в оптимизационной модели следует понимать такой ее параметр, посредством которого можно управлять одним или несколькими результирующими показателями.
Управляющим параметром (элементом) в модели рациона может быть стоимость отдельных ингредиентов, концентрация энергии в кормах, содержание протеина в кормах, некоторые соотношения качественных характеристик кормов и т. д.
Результирующими показателями могут быть отдельные полезные свойства рациона, такие, как его стоимость, обеспечиваемая им рентабельность производства, степень сбалансированности по основным или дополнительным признакам (значение отклонений от оптимальных количеств, определяемых научнообоснованной нормой) и др.
Предлагаемое нами средство предназначено для анализа результатов решения математических моделей смесей, комбикормов и рационов кормления на предмет отыскания возможностей улучшения решения. Методика позволяет определить количественно факторы, сдерживающие решение, причем не только относительно целевой функции, но и любого другого результирующего признака (степень сбалансированности элементов питания, отклонения от заданных в модели отношений и др.) Программа написана на VBA и скомпилирована в формате надстройки Excel. Математическая модель формируется в электронной табл. средствами табличного процессора.
Принципиально новым методическим элементом является возможность реализации не только для моделей линейного программирования, но и для нелинейных моделей и, самое главное, для многоцелевых математических моделей, которые используются в программе «Конструктор рационов кормления» и наилучшим образом подходят для оптимизации рационов в условиях ограниченной кормовой базы Инструмент может быть модернизирован в соответствии с потребностями пользователя, поскольку исходные коды остаются доступными при условии распространения программы по договорам в
соответствии с существующим законодательством Республики Беларусь.
Рис. 1. Диалоговое окно динамического параметрического анализатора
Инструментарий для реализации динамического параметрического анализа находится на стадии разработки и производственных испытаний и выходит за пределы этой статьи.
Результаты исследований и их обсуждение. Основное различие в составе сравниваемых силосов заключается в содержании сухого вещества. По мере созревания растений оно увеличивается от 21,6 % в фазе молочной зрелости зерна до 32,2 % в фазе восковой зрелости, как показано в табл. 2. Различия в химическом составе сухого вещества не столь значительны. По мере созревания увеличивается содержание клетчатки с 23,4 % в фазе молочной спелости до 26,3 % - в восковой. Особенно заметно накопление клетчатки в последнюю фазу вегетации. В течение 2-3 недель этот показатель увеличился с 23,7 до 26,3 %, тогда как кукуруза молочной и молочно-восковой спелости по этому показателю практически не различалась.
Т а б л и ц а 1. Химический состав кормосмеси.
Компоненты кормосмеси
Показатель сенаж силос Смесь
бобово-злаковый кукурузный
Сухое вещество, % 38,5 25 29,5
В органическом веществе, %
Протеин 28,5 7,5 14,5
Жир 4,9 4,3 4,5
Клетчатка 31,5 23,7 26,3
БЭВ 35,1 64,5 54,7
Содержание золы составляло 6-7 %. Оно не учитывалось при расчете энергетической питательности компонентов и кормосмеси. В органическом веществе сенажа заметно больше клетчатки (31,5 %) и меньше БЭВ (35,1 %), тогда как в кукурузном силосе, заготовленном с початками, эти показатели составляют соответственно 23,7 и 64,5 %.
Содержание протеина снижается с 8,5 до 7,4 %, а концентрация жира увеличивается незначительно (с 4,0 до 4,5 %) по отношению к сухому веществу. Основной компонент органического вещества - углеводы (крахмал). За счет формирования початков его количество в зеленой массе, а затем и в силосе возрастает. Но в расчете на единицу сухого вещества незначительно снижается (с 57,5-57,9 %) в фазе молочной спелости, до 55,5 % - в восковой. Модель рациона показана на рис. 2.
Рис. 2. Математическая модель рациона в электронной таблице
Обозначения ОК и КК представляют объемистые корма и концентрированные корма (здесь и далее). Изменяемые ячейки - С11 и С12. Общий вес кормосмеси из сенажа и силоса составляет 42,8 кг для наи-
высшего показателя их качества. Здесь потребление сухого вещества составляет 12.63 кг на голову в сутки, или 2,1 кг на центнер живой массы. Количество концентратов минимальное - 6,76 кг, а стоимость -62,63 тыс. руб. В этой модели основными ограничениями являются равенства поступающей в организм обменной энергии и сухого вещества, что реализовано формулами в ячейках с отображением сумм по этим показателям. В оптимизаторе мы установили их как $Е$13 = $Е$6 и $Е$14 = $Е$7. Это равенство является основным условием решения задачи. Кроме того, для лучшей информативности модели мы рассчитали структуру смеси не только по обменной энергии, но и по весу, а также по сухому веществу. Такой расчет реализован в блоке ячеек С15:Б15 и С17:Б17. Параметры оптимизационной модели заданы в «Конструкторе рационов кормления». Они не изменяются в течение работы параметрического анализатора. Единственное значение, которое изменяется в каждом цикле анализатора, - содержание обменной энергии в 1 кг натурального объемистого корма, представленного смесью из сенажа и силоса.
Т а б л и ц а 2. Результаты параметрического анализа рациона коров
Ключевой параметр Результаты пошаговой оптимизации
ОЭ, МДж ОК, % КК, % КК, кг КОЭ, МДж/кг Стоимость, кормов, т.р Дополн. мол., кг
2,50 31,72 68,28 12,51 8,47 73,54 6,3
2,55 33,54 66,46 12,17 8,64 72,91 6,5
2,60 35,49 64,51 11,82 8,81 72,24 6,7
2,65 37,59 62,41 11,43 8,98 71,51 6,9
2,70 39,87 60,13 11,01 9,15 70,72 7,2
2,75 42,34 57,66 10,56 9,32 69,86 7,5
2,80 45,03 54,97 10,07 9,49 68,92 7,8
2,85 47,98 52,02 9,53 9,66 67,90 8,1
2,90 51,21 48,79 8,94 9,83 66,78 8,5
2,95 54,77 45,23 8,29 10,00 65,54 8,9
3,00 58,72 41,28 7,56 10,17 64,17 9,3
3,05 63,12 36,88 6,76 10,34 62,65 9,8
Ключевой параметр - фактор, который влияет на результат решения оптимизационной задачи. В нашем случае это содержание ОЭ в
кормосмеси из силоса и сенажа. При проведении анализа мы изменяли этот показатель на 0,05 МДж в расчете на 1 кг натурального корма. Начальное значение было равно 2,5 МДж, конечное - 3,05 МДж на 1 кг натуральной смеси. По концентрации энергии это соответствовало от 8,47 до 10,34 МДж на 1 кг СВ. Цифры выбраны не случайно. Для повышения энергетической питательности смеси необходимо увеличить количество силоса, а это необоснованно по двум причинам.
1. Влажность рациона с учетом комбикорма превысит 55 %, чего нельзя допустить. Консистенция содержимого рубца и всего желудочно-кишечного тракта должна соответствовать физиологической норме по этому показателю во избежание проблем с пищеварением.
2. Силос - кислый корм, влияющий на показатель рН в рубце. Недопустимо снижение этого показателя ниже 6,0. Это особенно актуально при больших дачах концентратов, в которых много крахмала, обусловливающего дальнейшее снижение концентрации водородных ионов и закисление содержимого рубца.
Основываясь на приведенных выше аргументах, минимальное соотношение сенажа к силосу взяли соответственно рекомендациям современной науки - 1:2. При использовании силоса в качестве единственного наполнителя кормосмеси возможно было повышение ее полноценности до 10,8 МДж/кг СВ.
В сущности, динамический параметрический анализатор (ДПА) 12 раз подряд вызвал конструктор рационов в цикле, который находил оптимальное решение. На каждом шаге (из двенадцати) был получен оптимальный вариант рациона, идеально сбалансированный по энергии и сухому веществу. Динамический параметрический анализатор с такой задачей справился в течение нескольких сотых долей секунды и построил таблицу, представленную выше.
Основной результат параметрического анализа заключается в отыскании закономерности изменения стоимости рациона на основе расхода концентратов при изменении качества основного корма в сторону повышения концентрации полезной энергии в нем. При низком качестве основных кормов потребовалось 12,51 кг концентратов, или 68,28 % в структуре рациона по энергетической питательности. При высоком качестве кормов (3,05 МДж/кг) доля концентратов снизилась до 36,88 % по ОЭ и физический вес составил 6,76 кг.
Концентрация энергии изменялась в диапазоне 8,47-10,34 МДж/кг СВ, тогда как этот показатель в рационе оставался неизменным -11,26 МДж/кг СВ (точное соответствие научнообоснованной норме кормления).
Заключение. 1. При составлении рационов на удой 30 кг молока и выше требование к качеству объемистых кормов возрастает и концентрация энергии в них не должна находиться ниже 9,83 МДж/кг СВ. Иначе долю концентратов придется увеличить более чем на 50 % по питательности.
2. Повышение питательности кормов основного рациона на 0,05 МДж в расчете на 1 кг натурального корма позволяет сэкономить 170 г концентратов. В диапазоне от 2,5 до 3,05 МДж/кг количество комбикорма снижается с 12,51 до 6,76 кг (на 5,75 кг).
3. При улучшении качества основных кормов можно снизить долю концентратов до 36,88 % и получить дополнительно 9,8 кг беззатратного молока в сутки (21,2 кг молока идут на оплату кормов при цене реализации 3,1 тыс. руб./кг молока высшего сорта качества). При невысоком качестве кормов беззатратного молока получается лишь 6,3 кг в сутки (на 3,5 кг меньше).
4. Стоимость суточного рациона при этом снижается с 73,54 до 62,65 тыс. рублей (на 17,38 %).
ЛИТЕРАТУРА
1. Б а н д и, Б. Методы оптимизации. Вводный курс // Б. Банди. Пер. с англ. - М.: Радио и связь, 1988. - 76 с.
2. Б е р з е г о в а, А. А. Экономическая эффективность производства и использования кормов в ОАО «Заря» / А. А. Берзегова // Аграрная Россия. - 2007. - № 6. - С. 7-10.
3. Блюм и н, С. Л. Введение в математические методы принятия решений // С. Л. Блюмин, И. А. Шукова. - Липецк: Издательство ЛГПИ, 1999. - 66 с.
4. Б о д р о в, В. И. Математические методы принятия решений // В. И. Бодров, Т. Я. Лазарева, Ю. Ф. Мартемьянов. - Тамбов: Издательство ТГТУ, 2004. - 126 с.
5. Г р и г о р ь е в, Н. В. Оптимизация уровня концентратов крупного рогатого скота / Н. В. Григорьев // Научные труды Кировской лугоболотной опытной станции «Проблемы и перспективы природопользования». - Киров, 1999. - С. 84-95.
6. Д у р с т, Л. Кормление основных видов сельскохозяйственных животных / Л. Дурст, М. Виттман; пер. с нем. - Винница: Нова книга, 2003. - 384 с.
7. Нормы и рационы кормления сельскохозяйственных животных / А. П. Калашников, В. И.Фисин [и др.]. - Москва, 2003. - 456 с.
8. М у р, Д ж е ф ф р и Экономическое моделирование в Microsoft Excel // Мур Джеффри, Уэдэрфорд Лари Р. [и др.]. - 6-е изд. - М.: Издательский дом «Вильямс», 2004. - 1024 с.
9. Приготовление и раздача полнорационных кормосмесей для КРС: рекомендации по применению / В. Г. Савенко, Л. B. Ларичкина, Б. В. Лукьянов, П. Б. Лукьянов. -Минск: «Полиграф», 2005. - 234 с.
10. Р а й х м а н, А. Я. Оптимизация соотношения кормов в рационах коров средствами компьютерного моделирования / А. Я. Райхман // Актуальные проблемы развития животноводства. - Горки: УО БГСХА, 2007. - Вып. 10. - С. 76-82.
