پیش بینی الگوی توزیعBemisia tabaci G. (Hem.: Aleyrodidae ) با استفاده از شبکه عصبی مصنوعی بهینه شده توسط الگوریتم حرکت تجمعی ذرات

با پدید آمدن تکنیک­ های آماری قوی و شبکه ­های عصبی، مدل­ های پیش­بینی کننده پراکنش آفات به سرعت در اکولوژی توسعه پیدا کرده است. این پژوهش به منظور پیش­بینی و ترسیم نقشه توزیع Bemisia tabaci G. با استفاده از شبکه ­های عصبی پرسپترون چند لایه (MLP) ترکیب شده با حرکت تجمعی ذرات در سطح مزرعه خیار انجام شد. داده­ های مربوط به جمعیت این آفت از طریق نمونه­برداری از ۱۰۰ نقطه از سطح مزرعه شهرستان رامهرمز در سال ۱۳۹۶ به­دست آمد. به منظور ارزیابی قابلیت شبکه ­های عصبی مورد استفاده در پیش­بینی توزیع از مقایسه آماری پارامتر­هایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش­بینی 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، توزیع آماری و میانگین مجموعه داده­ های واقعی و پیش­بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی­داری وجود نداشت. نقشه ­های ترسیم شده نشان داد که توزیع این آفت تجمعی است و امکان کنترل متناسب با توزیع مکانی را در مزرعه دارد.

کلیدواژه ها:

الگوریتم حرکت تجمعی ذرات ، توزیع مکانی ، شبکه عصبی مصنوعی