Simulation of the compositions of living mass of the geese
DOI:
https://doi.org/10.32636/01308521.2021-(69)-15Keywords:
geese, live weight, description, model of B. Gompertz, model of T. Bridges, model of F. RichardsAbstract
The study presents the results of research on the application of mathematical modeling of polygenically determined trait "live weight" on a wide genetic material of the geese. They were the original family forms (Large Gray breed, Rhine breed) of the geese, descendants of the first and third generations and the created dimorphic population. Live weight was determined at the age of 24 hours and during 9 weeks of rearing in the geese of different genotypes. Mathematical modeling of the live weight of the birds was performed using models of B. Gompertz, T. Bridges and F. Richards. A comparison of the actually obtained values of the live weight of poultry with theoretically calculated according to these models, minus the deviations in percent. From the obtained data it can be concluded that the mathematical models used in our research allow to adequately describe the dynamics of the live weight of the geese of different genotypes during the early period of ontogenetic development. The average percentage of deviations of the actual values of the live weight with theoretically calculated according to these models was low and amounted to 1.93–4.42%. B. Gompertz's model makes it possible to more accurately describe live weight at later stages of development (5–9 weeks) than before this period. The closest correspondence of empirical and calculated values of the live weight was determined in the second generation geese. T. Bridges' model also describes with high accuracy the dynamics of the live weight of the geese – the average percentage of deviations was 3.65–4.42%. Starting from the 6th week, the deviations of the actual data from the theoretical ones are much smaller (0.01–2.82%) than before this period. F. Richards' model, like the previous two models, described with a high accuracy the live weight of the geese of different genotypes during 9 weeks of rearing. The average percentage deviation of the actual live weight data from the theoretical was 2.78–3.58%. The greatest coincidence of the actual indicators of the live weight with the calculated ones was found in the first generation of the geese. This model showed the most accurate description of the live weight in Large Gray and Rhine geese at the 9th week, in the offspring of F1, F3 and dimorphic geese – at the 7th week of rearing. The average percentage deviation of the actual and calculated values of live weight of geese of different genotypes did not exceed 5%, so we can recommend the use of all mathematical models used in the study to describe the dynamics of live weight of this species of waterfowl.
References
Список використаної літератури
1. Ведмеденко О. В., Карпенко О. В. Моделювання і прогнозування живої
маси курей коричневих кросів яєчного напряму продуктивності. Таврійський
наук. вісник. 2012. Вип. 78. Ч. 2. Т. 1.
С. 24–27.
2. Григоренко В. В., Щербина О. В. Математичний підхід в оцінці продуктивних якостей птиці. Актуальні питання сучасної науки : матеріали конф. (м. Івано-Франківськ, 7–8 липня 2017 р.). Івано-Франківськ, 2017. С. 98–100.
3. Коваленко В. П., Болелая С. Ю. Селекционная модель прогнозирования мясной продуктивности птицы. Цитология и генетика. 1998. Т. 32. № 4. С. 55–59.
4. Коваленко В. П., Нежлукченко Т. І., Плоткін С. Я. Сучасні методи оцінки і прогнозування закономірностей онтогенезу тварин і птиці. Вісник аграрної науки. 2008. № 2. С. 40–45.
5. Коваленко І. І. Використання математичних моделей для оцінки параметрів росту птиці різних класів розподілу. Таврійський наук. вісник. 2003. Вип. 22. С. 96–99.
6. Кучер Е. А., Пасечник М. В. Математическое моделирование динамики роста и продуктивности кур кроссов «Хайсекс браун» и «Ломанн браун». Технологический аудит и резервы производства. 2016. № 4/2 (30). С. 38–44.
7. Пустова Н. В. Ріст і розвиток птиці яєчних кросів різної селекції. Зб. наук. пр. ПДАТУ. Сер.: Технологія виробництва і переробки продукції тваринництва. 2010. Вип. 18. С. 168–171.
8. Сметанська І. Вплив ехінацеї блідої на ріст та розвиток перепелів. Тваринництво України. 2011. № 9. С. 28–30.
9. Степаненко Н. В. Дослідження показників ефективності виробництва яєць за допомогою математичних методів та моделей. Таврійський наук. вісник. Сер.: Економіка. 2020. Вип.2. С. 303–312.
10. Степаненко Н. В. Математичні методи, моделі та інформаційні технології в економіці. Бізнес-навігатор. 2018. Вип. 4 (47). С. 189–194.
11. Ткаченко Р. П., Рибаченко А. В. Математична модель виробництва яєць на промисловій основі. Наук. записки КНТУ. 2011. Вип. 11. Ч. ІІІ. С. 133–138.
12. Хвостик В. П., Бондаренко Ю. В. Методические подходы к выведению аутосексных гусей. Актуальные проблемы интенсивного развития животноводства. Горки, 2018. Вып. 21. Ч. 1. С. 110–116.
13. Bridges Т. C., Turner L. W.,
Smith E. M. A mathematical procedure for estimating animal growth and body composition. Trans. ASAE. 1986. Vol. 29. No. 5. P. 1342–1347.
14. Faridi A., Mottaghitalab M., Rezaee F. Narushin-Takma models as flexible alternatives for describing economic traits in broiler
breeder flocks. Poultry Sci. 2011. Vol. 90. Р. 507–515.
15. Ferreira N. T., Nilva K.,
Sakomura N. K. Modelling the egg components and laying patterns of broiler breeder hens. Animal Production Science. 2015. Vol. 78. № 10. Р. 342–360.
16. Ganesan R., Dhanavanthan P., Sreenivasaiah P. V. Comparative study of non-linear models for describing poultry egg production in Puducherry. Current Biotica. 2011. Vol. 5. № 3. Р. 289–298.
17. Gompertz B. On the nature of the function expressive of the law of human mortality, and a new mode of determining the value of live contingencies. Phil. Trans. Roy. Soc. 1825. Vol. 182. P. 513–585.
18. Gous R. M. Simulation modeling for predicting responses in broiler breeder and laying hens. 2012. XXIV World’s Poultry Congress, Brazil, 2012. Р. 1–8.
19. Javid I., Sohai H. K., Nasir M. Effects of egg size (weight) and age on hatching performance and chick quality of broiler breeder. J. Appl. Anim. Res. 2016. Vol. 44. P. 354–364.
20. Leksrisompong N., Romero-Sanchez H., Oviedo-Rondón E. O. Effects of feeder space allocations during rearing, female strain, and feed increase rate from photo stimulation to peak egg production on broiler breeder female performance. Poultry Sci. 2014. Vol. 93. P. 1045–1052.
21. Narinc D., Karaman E., Aksoy T. Investigation of nonlinear models to describe long-term egg production in Japanese quail. Poultry Sci. 2013. Vol. 92. P. 1676–1682.
22. Narinc D., Karaman E., Firat Z. M. Comparison of non-linear growth models to describe the growth in Japanese quail. J. Anim. Vet. Adv. 2011. Vol. 14. P. 1961–1966.
23. Narinc D., Uckardes F., Aslan E. Egg production curve analysis in poultry science. World Poultry Sci. J. 2014. Vol. 70. P. 817–828.
24. Nonis M. K., Gous R. M. Modelling changes in the components of eggs from broiler breeders over time. Br. Poultry Sci. 2013. Vol. 54. P. 603–610.
25. Otwinowska-Mindur A., Gumułka M., Kania-Gierdziewicz J. Mathematical models for egg production in broiler breeder hens. Ann. Anim. Sci. 2016. Vol. 16. № 4. Р. 1185–1198.
26. Richards F. J. A flexible growth function for empirical use. Journal of experimental Botany. 1959. Vol. 10. P. 290–300.
27. Savegnago R. P., Cruz V. A. R.,
Ramos S. B. Egg production curve fitting using nonlinear models for selected and nonselected lines of White Leghorn hens. Poultry Science. 2012. Vol. 91. No. 11. P. 2977–2987.
28. Tumova E., Gous R. M., Tyler N. Effect of hen age, environmental temperature, and oviposition time on egg shell quality and egg shell and serum mineral contents in laying and broiler breeder hens. Czech J. Anim. Sci. 2014. Vol. 59. P. 435–443.
29. Wencek E., Kałużna I., Koźlecka M. Performance assessment of the utilitarian and breeding values of meat-type hens. The results of the assessment of the utilitarian value of poultry in 2014 (in Polish). The National Poultry Council – Chamber of Commerce, Warsaw 2015. P. 1243–1387.
30. Wolc A., Graczyk M., Settar P. Modified Wilmink curve for egg production analysis in layers. XXVII International Poultry Science Symposium PB WPSA “Science to practice – practice to science”, Bydgoszcz, Poland, 2015. P. 56.
Downloads
Published
Issue
Section
License
Copyright (c) 2021 В. П. ХВОСТИК (Автор)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
