ارزیابی مدل شبکه عصبی مصنوعی GMDH در تخمین پراکنش مکانی کفشدوزک هفت نقطه ای (Coccinella septempunctata (Col.: Coccinellidae در مزارع یونجه منطقه باجگاه شیراز

نوع مقاله : مقاله کامل، فارسی

نویسندگان

1 دانشجوی دکتری حشره شناسی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران.

2 دانشجوی دکتری حشره شناسی، دانشکده کشاورزی دانشگاه رازی، کرمانشاه، ایران

3 بخش گیاه پزشکی، دانشکده کشاورزی، دانشگاه شیراز، ایران.

4 دانشکده شیمی، دانشگاه صنعتی جندی شاپور، دزفول، ایران.

چکیده

این مطالعه به منظور پیش‌بینی تغییرات تراکم جمعیت تراکم کفشدوزک هفت نقطه­ای در مزرعه یونجه، با استفاده از شبکه عصبی مصنوعی انجام شد. داده‌های مربوط به تراکم جمعیت این حشره در مزرعه‌ای به مساحت 4 هکتار در منطقة باجگاه شیراز در سال‌ 1392-1393 ثبت شد. در این مدل‌ها از متغیرهای طول و عرض جغرافیایی به عنوان متغیرهای ورودی و تغییرات جمعیت حشره کامل کفشدوزک هفت نقطه­ای به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع (Group methodofdata handling (GMDH بهینه شده با الگوریتم ژنتیک بود. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش بینی پراکنش مکانی کفشدوزک، از مقایسه آماری پارامترهایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن‌ها استفاده شد. نتایج نشان داد که در فازهای آموزش و آزمایش بین مقادیر ویژگی‌های آماری واریانس، توزیع آماری و میانگین مجموعه داده‌های واقعی و پیش بینی شده مکانی دشمن طبیعی توسط شبکه عصبی GMDH، تفاوت معنی­داری وجود نداشت و همچنین وجود ضریب تبیین  0.98 نشان از دقت بالایی شبکه عصبی در پیش بینی تراکم این گونه داشت. نقشه‌های ترسیم شده  توسط شبکه نشان داد، توزیع این دشمن طبیعی تجمعی است.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of GMDH artificial neural network model to predict the spatial distribution of Coccinella septempunctata (Col.: Coccinellidae) in the alfalfa farm of Bajgah, Shiraz

نویسندگان [English]

  • R. Mohamadddi 1
  • Alireza Shabani Nejad 2
  • M. Alichi 3
  • Mohammadreza Shabani Nejad 4
1 Phd student, Department of plant protection, college of Agriculture, Razi university, Kermanshah, Iran.
2 Phd student,Department of plant protection, College of Agriculture,Razi university, Kermanshah, Iran.
3 Department of Plant Protection, University of Shiraz, Iran.
4 College of Chemistry, Jundishapour Industrial University, Dezful, Iran.
چکیده [English]

This study aimed to predict population of Coccinella septempunctata in the field using artificial neural network. The data was collected from a four-hectare field in years of 2013-2014 in the area of Badjga Shiraz. In this model, the input variables were, longitude and latitude and population changes of Coccinella septempunctata was used as the outcome variable. The neural network type used, was Group Method of Data Handling (GMDH) that optimized by genetic algotithm. To evaluate the ability of GMDH neural networks to predict the spatial distribution of the species, statistical comparison of the parameters such as mean, variance, statistical distribution and coefficient determination of linear regression between predicted values and actual values was used. Results showed that in training and test phases of GMDH, there was no significant effect between variance, mean and statistical distribution of actual and predicted values, and the coefficient of determination of 0.98 indicates the high accuracy of this neural network in predicting the density of this species. The drawn maps showed that the distribution of this natural enemy is patchy.

کلیدواژه‌ها [English]

  • Coccinella septempunctata L
  • GMDH artificial neural network
  • spatial distribution

فایل ها

هم رسانی

ارجاع به این مقاله

آمار