مدلسازی تغییرات جمعیت سن گندم با متغییرهای محیطی به کمک شبکهی عصبی و انفیس در شهرستان چادگان

بیان مسئله: با پدید آمدن تکنیک های هوش مصنوعی و شبکههای عصبی، مدل های پیش بینی کننده پراکنش موجودات به سرعت در اکولوژی توسعه پیدا کرده است. هدف پژوهش: در این پژوهش، از شبکه های عصبی مصنوعی و انفیس به عنوان ابزاری توانمند در مدل سازی فرایندهای غیر خطی و نا معین، به منظور پیش بینی تغییرات جمعیت سن گندم در مزرعه استفاده شد. روش و چگونگی انجام پژوهش: دادههای مربوط به تغییرات جمعیت سن گندم در مزرعه ای به مساحت یک هکتار در سالهای ۱۳۹۴ و ۱۳۹۵ در شهرستان چادگان بدست آمد .در این مدل ها از متغیرهای تاریخ نمونه برداری، متوسط دما، میانگین رطوبت نسبی، سرعت باد، جهت باد، بارش به عنوان متغیر ورودی و تغییرات جمعیت سن مادر به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع پرسپترون چند لایه با الگوریتم پس انتشار خطا و تکنیک یادگیری مارکوارت- لونبرگ است. یافته ها و نتیجه گیری: نتایج نهایی نشان داد، الگوریتم پرسپترون چند لایه و انفیس در ایجاد ارتباط بین داده های آب و هوایی و تغییرات جمعیت سن مادر کارا بوده و شبکه، مدلی با ۹ لایه مخفی بهترین صحت را نشان داد. در میان الگوهای مورد بررسی، تاریخ نمونه برداری، متوسط دمای روزانه، متوسط رطوبت روزانه و سرعت باد به عنوان عوامل موثرتر نقش مثبتی در پیش بینی تراکم جمعیت سن مادر داشته، با کاربرد شبکه عصبی مصنوعی میتوان با دقت با الی ۹۵ درصد، تغییرات جمعیت سن مادر را پیش بینی کرد..

کلیدواژه ها:

سن گندم ، شبکه عصبی ، جمعیت ، عوامل اقلیمی