【技术实现步骤摘要】
本专利技术属于畜禽生长性状校正领域，尤其涉及一种瘦肉型猪生长性状达120kg性能成绩校正方法。
技术介绍
1、种猪生长性状的校正，如日龄、背膘厚和眼肌深度性状等可以将种猪的性能测定数据标准化，消除个体间体重差异，使得种猪在同一体重水平进行准确的性能比较。使用科学、准确的校正方法对生长性状进行校正，是开展种猪生长性状遗传评估的前提条件，是实现生长性状高效选育和遗传改良的基础。
2、《全国生猪遗传改良计划(2021-2035年)》将种猪达120kg日龄设定为核心选育性状。越来越多的种猪育种企业开始进行种猪的大体重性能测定和选育。然而，当前我国尚无达120kg体重的生长性状校正方法，难以对这三个性状开展有效的遗传评估和选育。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种瘦肉型猪生长性状达120kg性能成绩校正方法，基于本专利技术提出的校正公式及参数计算方法，可以准确计算出猪达120kg校正日龄、达120kg校正背膘厚和达120kg校正眼肌深度的校正值，进而实现了瘦肉型猪达120kg体重生长性能的个体间对比和遗传评估分析。
2、本专利技术提供的一种瘦肉型猪生长性状达120kg性能成绩校正方法，包括：
3、收集瘦肉型公、母猪在90～140kg体重阶段的两点数据和测定站数据，并对所述两点数据进行预处理与质控，然后对所述两点数据和测定站数据进行过滤，获得过滤后的两点数据和测定站数据；
4、基于所述过滤后的两点数据和测定站数据，针对各生
5、基于拟合的各性状的标准生长模型，拟合得到个体生长曲线；
6、基于拟合的个体生长曲线，采用一元线性回归方法获取校正公式参数，基于所述校正公式参数，根据校正公式计算获得120kg校正结果。
7、优选地，对所述两点数据进行预处理的过程包括：
8、(1)删除猪个体号、性别、品种、出生日期出现任意一个缺失的个体的记录；
9、(2)删除猪个体号重复所涉及全部个体的记录；
10、(3)删除只有一次测定数据的个体的记录。
11、优选地，所述两点数据进行质控的过程包括：
12、(1)数据应符合逻辑：猪只的后次测定体重、日龄、背膘厚和眼肌深度应大于前次测定；
13、(2)数据应在有效范围：日龄、背膘厚和眼肌深度按照下述条件分别质控；
14、对于日龄性状，猪只的首次测定日龄不低于100天，且末次测定日龄不超过210天，首次测定体重不低于80kg，且末次测定体重不超过150kg；
15、对于背膘厚性状，首次测定背膘厚不低于5mm，末次测定背膘厚不超过25mm，首次测定体重不低于80kg，且末次测定体重不超过150kg；
16、对于眼肌深度性状，首次测定眼肌深度不低于30mm，末次测定眼肌深度不超过85mm，首次测定体重不低于80kg，且末次测定体重不超过150kg；
17、(3)性状增长速度应在正常范围：日龄、背膘厚和眼肌深度按照下述条件分别质；
18、根据猪只的两次测定记录，分性别分别计算每个个体的平均日增重、单位体重背膘厚增量和单位体重眼肌深度增量，进而得到日增重、单位体重背膘厚增量和单位体重眼肌深度增量的上下四分位数和四分位间距，根据四分位法定义正常数据的上下限，删除所有在正常数据范围外的个体的数据；
19、(4)体重、日龄、背膘厚和眼肌深度同时在合理范围：日龄、背膘厚和眼肌深度按照下述条件分别质控；
20、从80～150kg以每5kg为单位划分阶段，分别计算每个阶段的日龄、背膘厚、眼肌深度的上下四分位数和四分位间距，并根据四分位法定义正常数据的上下限；
21、对于日龄性状，从100～210天以每10天为单位划分阶段；
22、对于背膘厚性状，从5～25mm以每2mm为单位划分阶段；
23、对于眼肌深度性状，从30～85mm以每5mm为单位划分阶段；
24、分别计算每个阶段的上下四分位数和四分位间距，并根据四分位法定义正常数据的上下限，删除所有在正常数据范围外的个体的数据。
25、优选地，基于所述过滤后的两点数据和测定站数据，针对各生长性状分别使用非线性最小二乘法拟合生长模型，选取各性状在各品种、性别上拟合度均值最高的生长模型作为标准生长模型的过程包括：
26、对于日龄性状，基于所有过滤后的测定站数据和两点数据进行拟合，对于背膘厚和眼肌深度性状，基于所有过滤后的两点数据进行拟合；其中，待拟合的生长曲线包括一元线性、saturation、logistic、gompertz和vonbertalanffy生长曲线；
27、对于日龄性状，日龄为自变量，体重为因变量；
28、对于背膘厚、眼肌深度性状，体重为自变量，背膘厚、眼肌深度为因变量；
29、基于上述质控后的数据，使用非线性最小二乘法进行非线性回归建模，选取各性状在各品种、性别上拟合度均值最高的生长模型作为标准生长模型；其中，日龄性状的标准生长模型为gompertz模型，背膘厚性状的标准生长模型为saturation模型，眼肌深度性状的标准生长模型为一元线性模型。
30、优选地，基于拟合的各性状的标准生长模型，拟合得到个体生长曲线的过程包括：
31、针对背膘厚性状标准生长模型的saturation模型以及眼肌深度标准生长模型的一元线性模型，直接基于两个实测点求解方程，得到个体生长曲线；
32、针对日龄性状标准生长模型的gompertz模型，采用校正系数法计算获得90～140kg各个体重点的校正值，将90～140kg各个体重点的校正值拟合获得个体的生长曲线。
33、优选地，通过所述校正系数法校正到w0kg的公式表达式为：
34、
35、某个体w0kg校正值＝实测体重对应的性状值×w0kg校正系数
36、优选地，基于拟合的个体生长曲线，采用一元线性回归方法获取校正公式参数的过程包括：
37、基于所述个体生长曲线，拟合一元线性回归方程，并计算回归方程的截距，所有个体截距的均值即为校正公式参数；
38、其中，在拟合一元线性回归方程的过程中，对于日龄、眼肌深度性状，体重为自变量，日龄、眼肌深度为因变量；对于背膘厚性状，背膘厚为自变量，体重为因变量。
39、优选地，所述校正公式包括120kg日龄校正公式、120kg背膘厚校正公式、120kg眼肌深度校正公式；
40、所述120kg日龄校正公式的表达式为：
41、
42、其中，a为日龄的校正公式参数；
43、所述120kg背膘厚校正公式的表达式为：
44、
45、其中，b为背膘厚的校正公式本文档来自技高网...
【技术保护点】
1.一种瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，包括：
2.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，对所述两点数据进行预处理的过程包括：
3.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，所述两点数据进行质控的过程包括：
4.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，基于所述过滤后的两点数据和测定站数据，针对各生长性状分别使用非线性最小二乘法拟合生长模型，选取各性状在各品种、性别上拟合度均值最高的生长模型作为标准生长模型的过程包括：
5.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，基于拟合的各性状的标准生长模型，拟合得到个体生长曲线的过程包括：
6.根据权利要求5所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，通过所述校正系数法校正到w0kg的公式表达式为：
7.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于
8.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，所述校正公式包括120kg日龄校正公式、120kg背膘厚校正公式、120kg眼肌深度校正公式；
9.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，所述方法还包括对所述校正公式参数进行校正表型准确性验证；
10.根据权利要求9所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，基于验证群中每头猪的实测数据，计算验证群中每头猪校正到120kg的校正值的过程包括：
...【技术特征摘要】
1.一种瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，包括：
2.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，对所述两点数据进行预处理的过程包括：
3.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，所述两点数据进行质控的过程包括：
4.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，基于所述过滤后的两点数据和测定站数据，针对各生长性状分别使用非线性最小二乘法拟合生长模型，选取各性状在各品种、性别上拟合度均值最高的生长模型作为标准生长模型的过程包括：
5.根据权利要求1所述的瘦肉型猪生长性状达120kg性能成绩校正方法，其特征在于，基于拟合的各性状的标准生长模型，拟合得到个体生长曲线的过程包括：
6.根据权利要求5所述的瘦...
【专利技术属性】
技术研发人员：邱小田，刘丑生，杨劲松，刘剑锋，周磊，刘振，
申请(专利权)人：全国畜牧总站，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。