Desarrollo de un modelo de predicción de la relación de conversión alimenticia para verracos Yorkshire utilizando la ingesta acumulativa de alimento
Autores: Zhou, Hao; Cheng, Haoshi; Wang, Yuyang; Duan, Dongdong; Han, Jinyi; Zhou, Shenping; Xin, Wenshui; Li, Xinjian
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Ratio de conversión alimenticia
Cría de cerdos
Rango de peso corporal
Regresión de cresta bayesiana
Ingesta acumulativa de alimento
Eficiencia alimenticia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
La relación de conversión alimenticia (RCA) es crucial en la cría de cerdos, pero es laboriosa de medir. Este estudio exploró el rango óptimo de peso corporal (30-120 kg) utilizando el paquete R segmentado y desarrolló un modelo de regresión de cresta bayesiana (RCB) para predecir la ingesta acumulativa de alimento (IAA) basado en datos de 987 verracos Yorkshire. El rango de 80-110 kg fue óptimo para la predicción de rasgos de crecimiento, con el modelo RCB alcanzando una precisión de 0.80 para la IAA. La RCA derivada de la IAA predicha mostró una correlación de 0.81 con los valores reales. Además, desarrollamos una fórmula de corrección de IAA con una precisión de 0.90. Estos hallazgos proporcionan una base para mejorar la evaluación de la eficiencia alimentaria y reducir los costos de medición.
Descripción
La relación de conversión alimenticia (RCA) es crucial en la cría de cerdos, pero es laboriosa de medir. Este estudio exploró el rango óptimo de peso corporal (30-120 kg) utilizando el paquete R segmentado y desarrolló un modelo de regresión de cresta bayesiana (RCB) para predecir la ingesta acumulativa de alimento (IAA) basado en datos de 987 verracos Yorkshire. El rango de 80-110 kg fue óptimo para la predicción de rasgos de crecimiento, con el modelo RCB alcanzando una precisión de 0.80 para la IAA. La RCA derivada de la IAA predicha mostró una correlación de 0.81 con los valores reales. Además, desarrollamos una fórmula de corrección de IAA con una precisión de 0.90. Estos hallazgos proporcionan una base para mejorar la evaluación de la eficiencia alimentaria y reducir los costos de medición.