بررسی امکان استفاده از مدل انفیس و رگرسیون خطی چند متغیره در پیش بینی نوسانات جمعیت سن گندم Puton (Hemiptera, Scutelleridae) Eurygaster integriceps با استفاده از متغیرهای محیطی در شهرستان چادگان

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 109

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ARPP-8-2_002

تاریخ نمایه سازی: 15 اسفند 1401

چکیده مقاله:

چکیده سیستم های هوشمند به عنوان یکی از روش های نوین مدل­سازی در سال های اخیر مورد توجه ویژه قرار گرفته اند. این مدل ها برای پیش بینی و طبقه بندی در مواردی که روش های کلاسیک آماری به خاطر محدودیت هایشان قابل استفاده نیستند، کاربرد دارند. هدف از این مطالعه، مقایسه­ی توانایی مدل های انفیس و رگرسیون خطی چند گانه جهت پیش­بینی تراکم مراحل مختلف رشدی سن گندم Eurygaster integriceps است. داده های مربوط به نوسانات جمعیت سن گندم در دو مزرعه به مساحت یک هکتار طی سال های 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، روز- درجه و ارتفاع از سطح دریا به عنوان متغیرهای ورودی و تغییرات مجموع مراحل مختلف رشدی سن گندم به عنوان متغیر خروجی استفاده شد. در مدل انفیس ۷۰ درصد داده ها به آموزش و ۳۰ درصد آن ها به تعیین اعتبار مدل اختصاص یافت. سپس با آموزش شبکه و تعیین ساختار مطلوب بر اساس نوع، تعداد تابع عضویت و قوانین مربوطه به کمک نرم افزار MATLAB، مناسب ترین مدل بر اساس شاخص های آماری مجذور میانگین مربعات خطا (RMSE) و ضریب تبیین (R۲) بدست آمد. در نهایت پس از آنالیز حساسیت، نتایج نشان داد که روش انفیس (R۲=۰.۹۷ , RMSE=۰.۰۵۱ ) از صحت و دقت بالاتری نسبت به روش رگرسیون خطی چند متغیره (R۲=۰.۴۷ , RMSE=۰.۲۶ ) برخوردار است و عملکرد بهتری در پیش­بینی نوسانات جمعیت سن گندم دارد.

کلیدواژه ها:

نویسندگان

زهرا دوستی

دانش آموخته ی دکتری حشره شناسی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران،

ناصر معینی

استادیار گروه گیاهپزشکی دانشکده کشاورزی دانشگاه رازی، کرمانشاه ایران،

عباسعلی زمانی

دانشیار گروه گیاهپزشکی دانشکده کشاورزی دانشگاه رازی، کرمانشاه ایران،

لیلا ندرلو

استادیار گروه مهندسی مکانیک بیوسیستم ، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • احمدزاده قره گویز ک، میرلطیفی س م، محمدی ک، ۱۳۸۹. ...
  • ایرانی پور ش، خرازی پاکدل ع، رجبی غ، رسولیان غ. ...
  • کیا م، ۱۳۸۹. شبکه های عصبی در متلب، خدمات نشر ...
  • معینی نقده ن. ۱۳۸۱. مدل پیش آگاهی روز- درجه ناحیه ...
  • Abraham A, ۲۰۰۵. Adaptation of fuzzy inference system using neural ...
  • Arkhipov M, Kruger E and Kurtener D, ۲۰۰۸. Evaluation of ...
  • Balan B, Mohaghegh S and Ameri S, ۱۹۹۵. State- of- ...
  • Bianconi A, Von Zuben CJ, Scrapiao ABS, and Govone J, ...
  • Chon TS, Kim JM, Lee BY, Chung YJ, and Kim ...
  • Erahaghi I, Xuchai L, Mahnaz H. and Yusuf S, ۱۹۹۳.A ...
  • Gardner MW, Dorling SR, ۱۹۹۸. Artificial neural networks (the multilayer ...
  • Khanna TF, ۱۹۹۰. Foundation of Neural Networks. New York: Addison-Wesley ...
  • Kisi OT, Haktanir M, Ardiclioglu O, Ozturk E, Yalcin and ...
  • Lankin GO, Worner GO, Samarasinghe S and Teulon DAJ, ۲۰۰۱. ...
  • Lessio F, Mondino EB and Alma A. ۲۰۱۱. Spatial patterns ...
  • Pedigo LP, ۱۹۹۴. Introduction to sampling Arthropod population. Hanbook of ...
  • Tonnangt HEZ, Nedorezov LV, Ochanda H, Owino JO and Lohr ...
  • Yang LN, Peng L, Zhang LM, Zhang LL and Yang ...
  • Zhang WJ, Liu GH and Dia, HQ, ۲۰۰۸. Simulation of ...
  • Zhang, WJ and Zhang XY, ۲۰۰۸. Network modeling of survival ...
  • نمایش کامل مراجع