基于背膘厚度构建民猪肌内脂肪含量的预测模型

为了探究不同统计模型预测猪肌内脂肪含量和眼肌面积的可行性,试验利用测定的312头民猪的体重、背膘厚和日龄数据,以岭回归最佳线性无偏估计(ridge regression best linear unbiased prediction,rrBLUP)、贝叶斯B (Bayes B)、随机森林算法(Random Forest,RF)三种模型来预测民猪肌内脂肪(intramuscular fat,IMF)含量和眼肌面积(eye muscle area,EMA),每种模型均采用5倍交叉法和去一法进行验证,比较预测结果以得出预测准确率较好的一种模型。结果表明:两种验证方法中,去一法的预测准确率要明显高于5倍交叉法,但计算效率较慢。在预测肌内脂肪含量的模型中,rrBLUP、Bayes B、RF模型的预测准确率分别为0.639,0.595,0.631,其中rrBLUP模型预测效果较好。在预测眼肌面积的模型中,rrBLUP、Bayes B、RF模型的预测准确率分别为0.618,0.464,0.642,其中RF模型预测效果较好。说明基于体重、日龄和背膘厚测定数据预测民猪IMF和EMA是可行的。