0
Un monitoraggio efficace dei modelli di consumo idrico è fondamentale per migliorare la salute e il benessere degli animali negli allevamenti suini. La comprensione di questi modelli e dei fattori che li influenzano può contribuire all'individuazione precoce di problemi di benessere e all'ottimizzazione della gestione dell'allevamento.
Obiettivo: Questo studio ha analizzato i dati storici sul consumo di acqua nei suini da ingrasso e ha sviluppato un modello predittivo per cogliere questa dinamica.
Metodi: È stato condotto uno studio retrospettivo utilizzando trenta serie temporali di registrazioni del consumo orario di acqua raccolte in un periodo di tre anni da cinque lotti di suini all'ingrasso. È stato utilizzato un modello di media mobile autoregressiva con variabili esogene (ARMAX) per tenere conto dell'autocorrelazione nei dati e per includere covariate ambientali e fisiologiche, come temperatura, concentrazione di ammoniaca e giorno di ingrasso.
Risultati: Il consumo di acqua è aumentato progressivamente durante il periodo di ingrasso, seguendo un ritmo circadiano. Fattori esterni, in particolare la temperatura ambiente, hanno influenzato significativamente sia le tendenze a lungo termine che le fluttuazioni giornaliere. Sono stati osservati due modelli di consumo distinti a seconda delle condizioni di temperatura dell'allevamento.
Conclusioni: Il modello ARMAX ha dimostrato un'elevata accuratezza nella previsione del consumo idrico, catturando efficacemente tendenze e deviazioni. Il consumo idrico nei suini da ingrasso è determinato da modelli temporali interni e fattori ambientali. Utilizzando un modello ARMAX, le componenti autoregressive e a media mobile vengono integrate con covariate chiave per prevedere con precisione il consumo orario. Questo approccio dimostra il valore della combinazione di diverse fonti di dati per migliorare la gestione della salute e del benessere animale.
Marroco, M., Fernández-Fontelo, A., Segalés, J. et al. Modeling and predicting water consumption in fattening pigs using autoregressive moving average with external parameters. Sci Rep 16, 10027 (2026). https://doi.org/10.1038/s41598-026-40343-7
