Model Optimization of Litter Size and Genetic Analyses of Model Parameters in Sows

According to two properties of the life cycle and to fluctuation with parities, four mathemati- cal models, the Poisson cycle model, the cubic polyno- mial model, the modified quadratic polynomial model- I artd the modified quadratic polynomial model-H, were used to fit the records of litter size in Jiangquhai sows. From the viewpoint of statistics and biological significance, the modified quadratic polynomial mod- el-I was found to be the optimum model. A single traitanimal model and DFREML procedures were further used to estimate the heritability values of optimum model parameters. The results show that the heritabili- ty values for the coefficients A and B and the herita- bility value for the acme of the model pure quadric curve are larger than the heritability value for the litter size. This suggests that selection for model parameters may be more effective than direct selection for litter size.

母猪产仔模型的选优与模型参数的遗传分析

根据姜曲海猪产仔数表现出的生命旋回与逐胎波动两大特征,分别用泊松旋回模型、三次多项式模型、改进二次多项式模型Ⅰ和改进二次多项式模型Ⅱ4种数学模型对其窝产仔记录进行了拟合。从统计和生物意义两方面综合评价,改进二次多项式模型Ⅰ为产仔数的优选模型。单性状动物模型和DFREML算法被用来估计优选模型参数的遗传力。研究结果表明,产仔模型参数A、B和模型纯二次曲线顶点估计值的遗传力较产仔数的遗传力高,提示针对产仔模型参数的选择将比直接选择产仔数更为有效。

二花脸猪和大白猪产仔数加性—显性遗传模型以及基因效应的研究

对二花脸猪、大白猪及其杂交一代和回交一代 4个群体共计 2 0 10窝产仔数的资料进行了加性—显性遗传模型以及基因效应的研究。方差分析结果显示 ,窝产仔数 (总产仔数和活产仔数 )具有极显著的群体间差异 ,表明不同群体的遗传结构不同。多元回归结果表明 :加性效应平方和占总产仔数和活产仔数总遗传变异平方和的比例分别为 75 4%和6 9 8% ,可见加性效应是群体间遗传变异的主导因素。显性效应平方和占总产仔数和活产仔数总遗传变异平方和的比例分别为 18 3%和 2 3 7% ,表明显性效应在群体间遗传变异中是相当重要的。上位效应平方和占总产仔数和活产仔数总遗传变异平方和的比例分别为 6 3%和 6 5 % ,可见上位效应对窝产仔数群体间遗传差异作用不大。猪总产仔数和活产仔数的群体平均值分别为 13 0 1和 12 42 ,二花脸猪总产仔数和活产仔数基因加性值比大白猪分别高 2 77和 2 49头 ,二花脸猪高的总产仔数和活产仔数基因对大白猪等位基因均为显性 ,显性度分别为 0 91和 0 97。适合性检验结果表明 。

内蒙古白绒山羊产羔数分析中不同模型的比较

应用Gibbs抽样法,比较了内蒙古白绒山羊产羔数在两种不同模型(阈模型和线性模型)下方差组分估计的差异,分别计算了两种模型的预测值与表型值的相关系数。结果表明,在估计内蒙古白绒山羊产羔数的方差组分时,线性模型(ρ=0.093)的预测准确性比阈模型(ρ=0.062)的预测准确性略高。

生猪养殖场的经营管理模型

根据规模化养殖场生产技术规范和生猪养殖经验,对模型参数作出合理假设,并通过行业网站收集一定时期内的生猪价格、饲料价格等数据,计算出生猪的平均价格、养殖成本等建模所需数据。建立当达到或超过盈亏平衡点时每头母猪每年平均产仔量所满足的不等式模型,求得当每头母猪的年平均产仔量达到6头时,该养殖场的效益达到或超过盈亏平衡点;建立母猪、公猪和猪仔存栏数的差分方程模型,利用Matlab求得当该养殖场养殖规模达到饱和时,小猪选为种猪的比例为0.015 9,母猪的存栏数为871头,公猪的存栏数为29头,猪仔的存栏数为9100头。

用联合尺度检验法研究猪产仔数加性-显性遗传模型以及基因效应

对二花脸猪、大白猪、杂交 1代和回交 1代 4个群体共计 338窝产仔数的资料进行了加性 显性遗传模型以及基因效应的研究。联合尺度检验法的结果表明 :猪总产仔数和活产仔数的群体平均值分别为 12 .78和12 .2 1,二花脸猪总产仔数和活产仔数基因加性值比大白猪分别高 2 .78头和 2 .5 3头 ,二花脸猪高的总产仔数和活产仔数基因对大白猪等位基因均为显性 ,显性度分别为 0 .92和 0 .95。适合性检验结果表明窝产仔数 (总产仔数和活产仔数 )符合加性 显性遗传模式。

基于机器学习方法的母猪高低产分类模型研究

为帮助猪场管理者更好地对母猪进行繁殖管理、预测母猪的高低产、及时淘汰低产母猪,收集和整理包含出生场地、分娩栏位、品种和不同胎次、初生窝重信息的3个母猪群体的生产数据集,制定母猪高低产的分类标准,使用R软件中的Boruta包筛选出影响母猪高低产的重要特征,使用4种不同的机器学习方法——逻辑回归(logistic regression,LOG)、决策树(decision tree,DT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)构建母猪高低产的分类模型,并进行决策树视图分析探究影响母猪最高产的相关因素。结果显示:4种机器学习方法构建母猪高产分类模型的分类准确率均在71%左右,最高可达84%,并且发现SVM作为最佳建模方法在所有数据集和不同分类标准下出现的频率最高,其次是LOG和DT。决策树视图显示出生场地、品种和初生窝重是划分最高产母猪的重要叶节点,利用这些特征预测最高产母猪准确率可达73%~82%。以上结果表明在未来的养猪生产中,利用机器学习方法实现母猪高低产的早期预测将会是一个不错的选择。