پیش بینی الگوی توزیع (Hemiptera: Aphididae) Rhopalosiphum padi با استفاده از شبکه عصبی مصنوعی بهینه شده توسط الگوریتم حرکت تجمعی ذرات

نوع مقاله : مقاله کامل، فارسی

نویسندگان

گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.

چکیده

امروزه با پدید آمدن فنون آماری قوی و شبکه‌های عصبی، مدل‌های پیش ­بینی کننده پراکنش آفات به سرعت در بوم شناسی توسعه پیدا کرده است. این پژوهش به منظور پیش­ بینی و ترسیم نقشه توزیع شته Rhopalosiphum padi با استفاده از شبکه‌های عصبی پرسپترون چندلایه (MLP) ترکیب شده با حرکت تجمعی ذرات در مزرعه گندم منطقه باجگاه، استان فارس انجام شد. داده‌های مربوط به جمعیت این آفت از طریق نمونه برداری از 100 نقطه از سطح مزرعه گندم در سال 1395 به دست آمد. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش ­بینی توزیع، از مقایسه آماری پراسنجه­ هایی مانند میانگین، واریانس و توزیع آماری بین مقادیر پیش­ بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن‌ها استفاده شد. نتایج نشان داد، در مراحل آموزش و آزمایش بین مقادیر ویژگی‌های آماری واریانس، توزیع آماری و میانگین مجموعه داده‌های واقعی و پیش بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی­ داری وجود ندارد. نقشه‌های ترسیم شده نشان داد، توزیع این آفت تجمعی است و امکان کنترل متناسب با مکان را در مزرعه مورد مطالعه دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Predicting distribution pattern of Rhopalosiphum padi (Hemiptera: Aphididae) by hybrid neural network using particle swarm optimization algorithm

نویسندگان [English]

  • M. Aleosfoor
  • K. Minaei
  • Faezeh Bagheri
Department of Plant Protection, College of Agriculture, Shiraz University, Shiraz, Iran.
چکیده [English]

Nowadays, with the advent of powerful statistical techniques and neural networks, predictive models of distribution have been rapidly developed in ecology. This study was carried out to model distribution of aphid, Rhopalosiphum padi,using MLP neural networks combined with Particle Swarm Optimization in wheat fields of Badjgah area, Fars province. Population data of the pest was obtained by sampling at 100 locations across wheat fields during 2013. For evaluation the capability of neural networks used in dispersal prediction, statistical comparison of parameters such as mean, variance, statistical distribution of spatial predicted values by neural network and their actual values, were conducted. Results showed that there were not significant differences between variance, mean and statistical distribution of actual and predicted values in training and test phases of neural network combined Particle Swarm Optimization algorithm. Our map showed a patchy pest distribution offers large potential for using site-specific pest control on this field.

کلیدواژه‌ها [English]

  • Neural network
  • spatial distribution
  • Bird cherry-oat aphid

فایل ها

هم رسانی

ارجاع به این مقاله

آمار