ترکیب روش زمین آمار با شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در پیش بینی الگوی توزیع کفشدوزک هفت نقطه ایCoccinella septempunctata در مزرعه یونجه شهرستان باجگاه
محل انتشار: نامه انجمن حشره شناسی ایران، دوره: 38، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 92
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESI-38-1_001
تاریخ نمایه سازی: 20 دی 1401
چکیده مقاله:
با پدید آمدن تکنیک های آماری قوی و شبکه های عصبی، مدل های پیش بینی کننده پراکنش موجودات به سرعت در اکولوژی توسعه پیدا کرده است. با توجه به دشواری نمونه برداری معمولا در این گونه مطالعات تعداد نمونه کافی وجود ندارد لذا برای رفع این مشکل در این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع کفشدوزک هفت نقطه ایاز ترکیب روش کریجینگ با شبکه های عصبی پرسپترون چندلایه (MLP) ترکیب شده با الگوریتم ژنتیک در سطح مزرعه استفاده شد. داده های مربوط به جمعیت این آفت از طریق نمونه برداری از سطح یک مزرعه در شهرستان باجگاه در سال ۱۳۹۲ بدست آمده. دادهها توسط روش کریجینگ معمولی با نیم تغییرنمای کروی که بهترین عملکرد را داشت میانیابی شدند و به عنوان ورودی شبکه عصبی معرفی شدند. برای ارزیابی قابلیت شبکه های عصبی مورد استفاده در پیش بینی توزیع از مقایسه آماری پارامترهایی مانند واریانس، توزیع آماری بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن ها استفاده شد. نتایج نشان داد که در فازهای آموزش و آزمایش بین مقادیر ویژگی های آماری واریانس و توزیع آماری مجموعه داده های واقعی و پیش بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنیداری وجود نداشت. نقشه های ترسیم شده نشان داد که توزیع آفت تجمعی است.
کلیدواژه ها:
نویسندگان
روناک محمدی
گروه آموزشی گیاهپزشکی، دانشکده کشاورزی، دانشگاه رازی کرمانشاه
علیرضا شعبانی
دانشجوی دکترا گرایش حشره شناسی، دانشکده کشاورزی، دانشگاه رازی کرمانشاه
محمود عالیچی
گروه آموزشی گیاهپزشکی، دانشکده کشاورزی دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :