ارزیابی الگوریتم های فراابتکاری در تعیین توزیع فضایی کرم میوه گوجه فرنگی Helicoverpa armigera (Lep., Noctuidae)

این مطالعه با هدف پیش بینی توزیع فضایی جمعیت کرم میوه گوجه ­فرنگی Helicoverpa armigera (Lep: Noctuidae)، با استفاده از شبکه عصبی مصنوعی بهینه شده با الگوریتم کلنی مورچه و کلنی زنبور عسل مصنوعی انجام شد. داده های مربوط به تراکم جمعیت این آفت یک در مزرعه­ی گوجه­فرنگی با مساحت ۲۰۰۰ مترمربع ثبت شد. در این مدل ها از مختصات جغرافیایی نقاط نمونه ­برداری به عنوان متغیرهای ورودی و تغییرات جمعیت لاروهای سنین مختلف کرم میوه گوجه­فرنگی به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع پرسپترون چندلایه بهینه­شده با دو الگوریتم متاهیوریستیک بود. برای ارزیابی دقت شبکه­های عصبی مورد استفاده در پیش­بینی پراکنش فضایی این آفت، از مقایسه میانگین بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی بهینه­شده و مقادیر واقعی آنها استفاده شد. مقایسه میانگین نشان داد که در فازهای آموزش و آزمایش بین مجموعه داده های واقعی و پیش­بینی شده مکانی این گونه تفاوت معنی­داری وجود ندارد. وجود ضریب تبیین ۹۹۸۷/۰ نشان از دقت بالاتر شبکه عصبی بهینه­شده با الگوریتم کلنی زنبور عسل مصنوعی نسبت به الگوریتم کلنی مورچه با ضریب تبیین ۹۹۱۱/۰ در پیش­بینی تراکم شب­پره H. armigera داشت. همچنین نقشه­های ترسیم شده توسط شبکه عصبی بهینه شده با هر دو الگوریتم متاهیوریستیک نشان داد، توزیع فضایی این آفت تجمعی است

کلیدواژه ها:

Ant Colony Algorithm ، Artificial honeybee algorithm ، Tomato fruitworm