本项目研究了应用人工神经网络(ANN)模拟和预测瘤胃甲烷(CH4)、二氧化碳(CO2)和挥发性脂肪酸(VFA)产量的可行性。应用体外培养发酵技术测定牛典型日粮的CH4、CO2和VFA产量。应用康奈尔净碳水化合物——蛋白质体系(CNCPS）分析了日粮营养组分。将牛日粮分为训练集（45种）和测试集（10种）。应用SAS®9.2对训练集数据进行逐步回归分析。结果显示，CH4产量与CNCPS碳水化合物组分CA、CB1、CB2相关显著。以日粮CNCPS组分CA、CB1、CB2为自变量(x1, x2, x3)，CH4、CO2或VFA产量为因变量(y)，拟合多元线性相关模型，计算r2和P值。以MATLAB 7.14作为仿真平台，分别应用训练集日粮CH4、CO2和VFA产量与CNCPS组分CA、CB1、CB2对三层反馈神经网络 (BP3)训练，建立预测模型。应用所建立的多元线性相关模型和BP3模型，预测测试集相关数据。采用配对t检验分析实测值与预测值的差异；采用一元线性相关模型分析实测值与预测值的相关关系，计算r2和P值；计算RMSPE%，分析预测误差。结果显示，牛日粮CNCPS组分CA、CB1和CB2 分别与体外培养发酵CH4、CO2和总产气量之间存在显著多元线性相关关系。在以CH4、CO2和总产气量分别作为单一输出变量的条件下，BP3神经网络模型3—8—1, 3—11—1和3—2—1能够分别地准确模拟和预测牛日粮体外培养发酵CH4, CO2 和总产气量。BP3神经网络模型模拟和预测CH4的准确性与多元线性相关模型相近，但是BP3模拟和预测CO2和总产气量的准确性高于多元线性相关模型。结果还显示，CNCPS组分CA、CB1 和CB2 与体外培养发酵乙酸、丙酸、丁酸和总VFA之间均存在显著多元线性相关关系。所建模型能够准确预测乙酸和丁酸产量，但不能准确预测丙酸和总VFA产量。在以乙酸、丙酸、丁酸或总VFA作为单一输出变量的条件下，BP3模型3—4—1、3—3—1、3—6—1 和 3—6—1能够准确模拟和预测乙酸、丙酸、丁酸和总VFA产量。BP3模型的准确性高于多元线性模型。本项目阐明了CNCPS组分CA、CB1、CB2可用作预测CH4、CO2、总产气量和VFA的日粮组分。应用BP3神经网络能够准确模拟和预测体外培养发酵CH4、CO2、总产气量和VFA产量。