Российская академия сельскохозяйственных наук Сибирское отделение
Скачать 2.93 Mb.
|
4.4. Разработка моделей урожайности и затрат на производство сырьяМодель оптимизации планирования кормопроизводства включает в себя в качестве элементов целевой функции многофакторные регрессионные модели затрат на производство сырья, а в качестве элементов ограничений – многофакторные регрессионные модели урожайности кормовых и зернофуражных культур. Построение таких многофакторных уравнений, исходит из специфики объекта исследования. Вид уравнения и значения его коэффициентов будут зависеть от типа почвы, видов сельскохозяйственных культур и животных, характера экономических ресурсов, затрат труда и средств, уровня технической оснащенности и т.д. Поскольку кормопроизводство является типичной вероятностной системой, элементы модели должны фиксировать также учет случайных факторов, таких как осадки (их количество, сроки выпадения, виды и интенсивность), солнечная радиация, температура (длительность безморозного периода, сроки осенних и весенних заморозков), относительная влажность воздуха, скорость и направление ветра и т.д. На примере информации по районам Новосибирской области за 1993-1998 гг. были разработаны регрессивные модели, в которых использовался так называемый метод хозяйство–лет (рассмотрение хозяйств как единой совокупности). Климатические условия на уровне сельскохозяйственных районов не служат препятствием для такого объединения, так как все хозяйства входят в зону резко континентального климата. Перед построением регрессионных моделей предварительно была определена достоверность исходных данных. Результаты расчетов, представленных в приложении 24, подтвердили, что исходные данные достоверны и позволяют проводить исследования на их основе. Для построения многофакторных моделей в результате предварительного анализа были выбраны факторы, представленные в приложении 25, которые показали слабую парную корреляцию между собой. В связи с выше изложенным, получены следующие модели урожайности сельскохозяйственных культур. Модель урожайности зерновых культур. Исходя из предложенных требований к подбору факторов урожайности зерновых культур, в модель включены следующие факторы: x1, x2, x4, x5, x6, x8, x9. Указанные факторы носят детерминированный характер, что позволяет прогнозировать их значение на перспективу. Кроме того, перечисленные факторы допускают количественные изменения, ни один из них не является составной частью другого. Это позволяет использовать регрессионный анализ для построения многофакторной модели. По результатам проведенного предварительного корреляционного анализа зависимости урожайности зерновых культур от погодных условий в модель дополнительно были включены и метеорологические факторы. Аналогичный анализ по другим объектам показал, что различные кормовые культуры по-разному реагируют на одни и те же погодные условия, что связано с биологическими особенностями этих культур. Для модели урожайности зерновых культур из отобранных факторов был использован многошаговый регрессионный анализ, при котором рассчитываются уравнения регрессии, значения критериев Стьюдента для каждого фактора, входящего в уравнение, отсеиваются факторы, для которых фактическое значение t-критерия ниже табличного. Форма связи каждого фактора с результативным, а также теснота связи между факторами представлена в приложении 26 (табл. П.7.1., П.7.2). На первом шаге регрессионного анализа, получено следующее уравнение множественной регрессии: y1 = 11,61 x1 + 0,35 x2 +0,03 x4 – 0,01 (x4)2 – – 0,08 x5 + 0,01 (x5)2 + 1,06 x6 – 1,29 x8 – – 0,01 (x8)2 + 0,02/(x9) – 1,61 x40 + 0,01 x41 – – 0,01 (x41)2 + 0,01 (x8)(x41) + 0,03 (x9)(x40) – – 0,02 (x40)(x41). Статистическая проверка адекватности уравнения показала, что оно значимо – фактическое значение F–критерия равно 58,59 при табличном значении 1,85 (для 5 %-ного уровня значимости). Значение коэффициента множественной корреляции составило 0,99. Расчетное значение коэффициента множественной детерминации равно 0,99. Проверка значимости коэффициентов регрессии проводилась по t–критерию. В каждом шаге расчетные значения t–критерия для коэффициентов регрессии (табл. 7.1) сравниваются с табличным значением (tтабл = 2,00) и статистически самый незначимый член уравнения исключается. Такими оказались следующие члены: (x4)2, x5, x6, (x8)2. Таким образом, после пятого шага остались только значимые коэффициенты регрессии. В результате модель урожайности зерновых культур приняла следующий вид: y1 = 0,01 x1 + 2,29 x2 + 0,17 x4 – 0,01 (x5)2 – – 48,14 x8 + 0,81/(x9) – 88,43 x40 – 17,70 x41 + + 0,03 (x41)2 + 0,48 (x8)(x41) + 1,64 (x9)(x40) + + 0,86 (x40)(x41) + 1447,77. Статистическая проверка адекватности модели показала, что значение коэффициента множественной корреляции остается по-прежнему значимым (0,88). Изменение урожайности на 77 % объясняется изменением входящих в модель факторов. Степень влияния факторов на урожайность проранжированы на основе значений коэффициентов регрессии (-коэффициенты), которая показала, что основными путями повышения урожайности зерновых культур являются: совершенствование структуры посевных площадей; рациональное использование органических и минеральных удобрений; увеличение энергетических мощностей на 1 га посевов, то есть факторы интенсификации производства. Известно, что на урожайность зерновых значительное влияние оказывают и другие факторы, которые не включены в модель из-за отсутствия или недостаточной достоверности отчетных данных. К ним относятся уровень мелиорации земель, противоэрозионные мероприятия, улучшение семеноводства, устранение потерь урожая, внедрение в производство урожайных сортов, освоение севооборота и др. Многофакторные регрессионные модели урожайности других кормовых культур и модели материально-денежных затрат на их производство представлены в приложении 27. В целом, репрезентативность многофакторных моделей по отношению к генеральной совокупности позволяет сделать вывод о том, что такого рода модели могут успешно применяться для текущего планирования и перспективного планирования кормопроизводства в хозяйствах конкретной зоны. Для этого требуется определить на соответствующий период перспективные значения показателей факторов при помощи метода экстраполяции. Одним из методов аппроксимации динамического ряда является метод наименьших квадратов. Экономический показатель можно представать в виде функции x = f(t) , где t – время, тогда в случае линейного уравнения будем иметь: x = a + b × t где x – значение показателя в t-ом году; t – время (tкон – tнач), t =1, 2, ...; a, b – коэффициенты уравнения. Использование линейных уравнений регрессии для аппроксимации и прогнозирования динамических рядов основано на предположении, что экономические показатели из года в год равномерно возрастают или, наоборот, снижаются. Эта гипотеза во многих случаях не соответствует действительности, поэтому наряду с линейной зависимостью необходимо проверить и другие виды связей, т.е. в основу экстраполяции могут быть положены и другие гипотезы, что приводит к необходимости аппроксимации динамических рядов с помощью нелинейных функций. В литературе предлагается целый ряд нелинейных функций, аппроксимирующих динамические ряды. При этом одной из основных проблем остается выбор кривой, отражающей основную тенденцию динамики. Заключение Как бы ни было хорошо увязано в плане кормопроизводство с потребностями животноводства, фактические результаты всегда в какой-то мере будут отличаться. Кормов может быть произведено больше или меньше, нарушен их ассортимент. Может также не выдерживаться поголовье животных и структура стада по сравнению с намеченным. В производственной практике возможны следующие варианты. 1. В изобилии заготовлены разнообразные корма отличного качества. Необходимо решить: какими должны быть рационы; как распределить корма по отдельным группам скота; куда направить избыток кормов, чтобы наиболее эффективно использовать весь запас. 2. В хозяйстве заготовлено большое количество кормов, но преобладают корма одной, двух групп, необходимо решить: как возможно полное использование этих кормов по группам скота; какие корма следует докупить в минимальном количестве, с тем, чтобы составить полноценные рационы кормления (допускаются продажа, обмен, покупка кормов). 3. В хозяйстве заготовлено недостаточное количество кормов. Необходимо решить следующие вопросы: 1) какие и в каком количестве корма следует докупить, затратив на это минимальное количество средств; 2) как рационально использовать все корма по группам скота; 3) какие при этом должны быть рационы, чтобы обеспечить кормление скота без снижения продуктивности. Поэтому по завершению производства готовых кормов в планируемом году возникает необходимость вернуться к тому, чтобы посмотреть, как лучше использовать произведенные и приобретенные корма. В постановке и решении задачи по оптимизации использования кормов есть два пути. Первый – это определение оптимальных рационов в кормлении животных. Суть состоит в том, что из полученного перечня кормов, зная их питательность и стоимость, математическими методами можно составить рационы кормления, который удовлетворяет поставленным требованиям по нормам питательных веществ, соотношениям кормов по видам и в то же время являются самыми дешевыми. Однако подобная постановка задачи имеет ограниченное значение. Составление оптимального рациона из числа имеющихся кормов может привести к тому, что некоторые корма не будут включены в рационы. Последующее составление рационов из этих оставшихся кормов может значительно удорожить кормление, и в итоге какая-то часть кормовых ресурсов будет использоваться в неудачной комбинации (иногда даже остается неиспользованным часть кормов), а это приводит к перерасходу кормов в расчете на единицу продукции животноводства. Безусловно, для производства животноводческой продукции с меньшими затратами нужны дешевые рационы. Этого надо добиваться повседневно, заботясь об удешевлении кормовых ресурсов. Но поскольку наличные корма уже имеют известную стоимость, следует стремиться к тому, чтобы наиболее рационально их использовать, получить максимальное количество продукции животноводства. В этом свете большое практическое значение имеет второй путь – определение оптимального плана использования всех кормовых ресурсов, как производственных, так и приобретенных. При этом должно быть получено правильное решение по следующим вопросам: 1. Какие виды кормов из имеющихся в хозяйстве и в каком количестве использовать в каждой производственной группе скота? 2. Какие рационы кормления установить по каждой группе скота, какое должно быть соотношение отдельных видов кормов, исходя из общей экономической эффективности использования кормовых ресурсов и удовлетворения всем зоотехническим требованиям? 3. Какие корма, в каком количестве целесообразно обменять, продать или приобрести? 4. Какие и в каком количестве минеральные, витаминные добавки, химические вещества, нужно приобрести и каким группам скота они предназначаются? В этих целях на определенные отрезки времени (кормодни) составляются соответствующие планы. Более точным будет план, составленный перед началом стойлового периода по данным фактически сложившегося набора кормов и их качества и наличия половозрастных групп животных. Планирование использования кормов становится все более многогранным, сложным по своему содержанию и требует широкого применения экономико–математических методов, программного обеспечения и быстродействующих персональных компьютеров. Организация полноценного кормления животных и в то же время рациональное использование имеющихся кормовых ресурсов требуют корректировки ранее принятых кормовых рационов, в зависимости от набора, количества кормов, потребляемых за определенные промежутки времени. При этом следует различать рационы суточные, сезонные, годовые. Важным моментом является планирование потребности кормов по производственно–возрастным группам животных в кормоднях. К тому же потребности животных в питательных веществах весьма непостоянны и зависят также от их функционального состояния и условий содержания. В связи с этим возникает потребность в систематической детализации норм кормления. При этом набор питательных элементов может быть сбалансирован по минимальной, оптимальной и максимальной границам отдельных элементов питания. Оптимальная потребность в данном элементе питания обеспечивает нормальное здоровье, воспроизводительные способности и полное проявление потенциала породы животного. Минимальная и максимальная границы потребности сохраняют здоровье, нормальное отправление физиологических функций животных, но их продуктивность может не достигнуть полного исчерпания потенциальных возможностей породы. Выход же за пределы границ оптимума может даже вызвать расстройство обмена веществ и снижение отдачи кормов, рост себестоимости конечного продукта. Традиционное нормирование рационов по шести показателям не обеспечивает максимального проявления потенциальных возможностей животных, может привести к перерасходу кормов и повышению себестоимости продукции. Детализированные нормы кормления, разработанные с учетом достаточной информации о химическом составе кормовых средств и добавок, позволяет регламентировать рацион по 22-30 показателям. Исключительно важным при этом является переход к нормированию энергетической составляющей рациона в единицах обменной энергии, а также учет коэффициента переваримости питательных элементов кормов. Достигаемое при этом повышение усвояемости животными питательных веществ кормов оценивается как один из важных резервов улучшения экономических показателей (затрат корма, качества продукции – жирномолочность, убойный выход мяса и др.). Экспериментами в Иркутской области установлено, что при тех же затратах кормов можно повысить их отдачу продукцией на 10-12 % [17]. Установление химического состава местных кормов приобретает решающее значение. С одной стороны, это связано с широким использованием новых кормовых синтетических и микробиологических средств: аминокислот, белковых концентратов, витаминных препаратов и т.д. С другой - фактические показатели питательности сильно отличаются от нормативных, обусловленных самыми разными факторами, число которых доходит до 20 и которые могут у одного и того же вида кормового сырья изменить содержание элемента в 20, 100 и более раз. Справочными данными о кормах можно пользоваться только при крупномасштабных расчетах, что касается конкретных рационов кормления на конкретный период содержания животных, то они должны рассчитываться с учетом фактического химического состава готовых кормов. Отсюда напрашивается настоятельная необходимость организации агрохимических лабораторий в каждом крупнотоварном хозяйстве. Цикл производства животноводческой продукции на создании кормовых, ресурсов не кончается. Далее идет разработка методов содержания животных, включая переработку заготовленных ресурсов кормов, их обогащение необходимыми ингредиентами, само кормление, племенное дело, разведение, переработка производственных продуктов и т.д. Все эти циклы требуется планировать, опираясь на другие постулаты и закономерности, то есть здесь сфера взаимодействия многих научных направлений, каждая из которых требует к себе пристального внимания со стороны научного сообщества. Но самое главное, чтобы хозяйственные намётки стали реальностью, при разработке планов должны получить полное отражение три соответствия. Первое – чтобы структура поля соответствовала потребностям животноводства; второе – чтобы поголовье скота соответствовало кормовым ресурсам и третье – чтобы рационы кормления соответствовали потребностям животных во всех питательных веществах, особенно незаменимых. |
Похожие:
 | Российская академия сельскохозяйственных наук Сибирская научная сельскохозяйственная... Автор: Петошина С. И., кандидат философских наук, старший преподаватель кафедры «Социальных наук» |  | Российская академия сельскохозяйственных наук Использование интерактивной доски Smart Board и программного обеспечения Notebook |
| Российская академия сельскохозяйственных наук О предложениях Медведевской районной организации профсоюза работников народного образования и науки РФ по проекту | | Российская Академия сельскохозяйственных наук Рекомендации разработаны авторским коллективом сотрудников фгу «фцтрб-вниви» и Главного управления ветеринарии км рт |
| Российская академия сельскохозяйственных наук Защита растений от вредителей: Учебник для вузов / под ред. В. В. Исаичева. М.: Колос, 2002. 472с с ил | | Физиологическое общество имени и. П. Павлова российская академия... Рабочая программа по бурятской литературе составлена на основе федерального компонента государственного стандарта общего образования,... |
| Поддержка: Минсельхоз рф, Россельхознадзор, Совет Федерации рф, Государственная... Фгбоу впо «Казанский национальный исследовательский технический университет им. А. Н. Туполева – каи» | | Российская академия сельскохозяйственных наук всероссийский институт... Институт биологии, экологии, почвоведения, сельского и лесного хозяйства (Биологический институт) |
| Семинар для молодых ученых и аспирантов терморентгенография и рентгенография... Комиссия по кристаллохимии и рентгенографии минералов Российского Минералогического Общества | | Российская академия сельскохозяйственных наук Министерство сельского... Добрый день. Наша сегодняшняя встреча посвящена её величеству Науке. Ещё А. С. Пушкин очень образно поведал миру об этом |
| Сибирское отделение учреждение российской академии наук иркутский научный центр ... | | Сибирское отделение учреждение российской академии наук иркутский научный центр ... |
| Ю. Н. Чередниченко (Сибирское Отделение Российской Академии Медицинских... Реинкарнационный онтогенез человеческой персональности и виды психосоматического наследования | | Министерство образования и науки российской федерации сибирское отделение... Тимирязевского образовательного округа Томского района Томской области) (грант №Г 1-80 Минобразования России по фундаментальным исследованиям... |
| Формирование мясной продуктивности молодняка крупного рогатого скота... Лазаренко Виктор Николаевич, доктор сельскохозяйственных наук, профессор кафедры генетики и разведения сельскохозяйственных животных... | | Российская академия сельскохозяйственных наук Министерство сельского... Министерства образования и науки РФ от 30 сентября 2005 г. №1938 на основе требований Государственного образовательного стандарта... |
