ارزیابی مدل شبکه عصبی مصنوعی LVQ۴ در پیش بینی الگوی پراکندگی شب پره مینوز گوجه Tuta absolutea (Lep.: Gelechiidae) در شهرستان رامهرمز
محل انتشار: نامه انجمن حشره شناسی ایران، دوره: 36، شماره: 3
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESI-36-3_004
تاریخ نمایه سازی: 21 دی 1401
چکیده مقاله:
این پژوهش به منظور پیشبینی الگوی پراکندگی جمعیت شبپره مینوز گوجه فرنگی با استفاده از شبکه عصبی LVQ۴ در سطح مزرعه در شهرستان رامهرمز انجام شد. داده های مربوط به تراکم جمعیت شبپره مینوز گوجه فرنگی از طریق نمونهبرداری بر روی یک شبکه علامت گذاری شده مربعی با ابعاد ۱۰×۱۰ متر و در مجموع از ۱۰۰ نقطه از سطح مزرعه به دست آمد. برای ارزیابی قابلیت شبکه عصبی LVQ۴ در پیشبینی پراکندگی این آفت از مقایسههای آماری پارامترهایی مانند میانگین، واریانس توزیع آماری و رگرسیون بین مقادیر پیشبینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها به عنوان معیار استفاده شد. نتایج حاصل نشان داد که در مرحله آموزش و آزمایش تفاوت معنیداری در سطح اطمینان ۹۵ درصد بین میانگین، واریانس و توزیع آماری مجموعه دادههای پیشبینی شده مکانی آفت و مقادیر واقعی آنها مشاهده نشد. بنابراین شبکه عصبی مصنوعی به خوبی توانست مدل دادههای مکانی شبپره مینوز گوجه فرنگی را بیاموزد. نتایج به دست آمده نشان داد، که شبکه عصبی آموزش دیده دارای قابلیت بالایی در پیشبینی مکانی این آفت در نقاط نمونهبرداری نشده با دقت تشخیص حدود ۸۸ درصد بود. شبکه عصبی توانست، نقشه توزیع مکانی شبپره مینوز گوجه فرنگی را در تمام نقاط سطح مزرعه ترسیم نماید. نقشه حاصل نشان داد، که این آفت دارای توزیع تجمعی است و لذا امکان کنترل متناسب با مکان آن در سطح مزرعه مورد مطالعه وجود دارد.
کلیدواژه ها:
نویسندگان
بهرام تفقدی نیا
عضو هیات علمی - مدیر گروه تولیدات گیاهی
علیرضا شعبانی نژاد
دانش آموخته حشره شناسی
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 :