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

Abstract

با پدید آمدن تکنیک­‌های آماری قوی و شبکه‌­های عصبی، مدل­‌های پیش­بینی کننده پراکنش آفات به سرعت در اکولوژی توسعه پیدا کرده است. این پژوهش به منظور پیش­بینی و ترسیم نقشه توزیع <em>Bemisia tabaci</em> G<em>.</em> با استفاده از شبکه‌­های عصبـی پرسپترون چنـد لایه (MLP) ترکیب شده با حرکت تجمعی ذرات در سطح مزرعه خیار انجام شد. داده­‌های مربوط به جمعیت این آفت از طریق نمونه­برداری از 100 نقطه از سطح مزرعه شهرستان رامهرمز در سال 1396 به­دست آمد. به منظور ارزیابی قابلیت شبکه‌­های 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 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 پیش­بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی­داری وجود نداشت. نقشه‌­های ترسیم شده نشان داد که توزیع این آفت تجمعی است و امکان کنترل متناسب با توزیع مکانی را در مزرعه دارد.