خوشه بندی خودکار داده های حاصل از نمونه برداری و ارزیابی شبکه فازی- عصبی جهت تخمین پراکندگی سفیدبالک پنبه Hem.:Aleyrodidae) Bemisia tabaci)

پژوهش حاضر با هدف پیش بینی تراکم سفید بالک پنبه با روش شبکه ی فازی- عصبی مصنوعی در شهرستان بهبهان انجام گرفت. داده های مربوط به تراکم جمعیت سفید بالک پنبه از طریق نمونه برداری بر روی یک شبکه علامت گذاری شده مربعی با ابعاد 10×10 متر و در مجموع از 100 نقطه از سطح مزرعه به دست آمد. مختصات طول و عرض نقاط علامت گذاری شده سطح مزرعه به عنوان ورودی شبکه فازی- عصبی تعریف شد. خروجی نیز تعداد این آفت در آن نقاط بود. برای بررسی میزان حساسیت این روش به سطوح مختلف این آفت پس از جمع آوری نمونه ها از روش خوشه بندی اتوماتیک برای تعیین تعداد خوشه ها، و از شاخص دیویس و بولدین به عنوان معیار ارزیابی استفاده شد. به منظور جست و جوی فضای جواب خوشه بندی از الگوریتم ژنتیک استفاده شد. نتایج خوشه بندی بر اساس شاخص دیویس و بولدین (0.46) نشان داد که داده ها باید به سه خوشه تقسیم شود. نتایج نشان داد که در فازهای آموزش و آزمایش بین مقادیر ویژگی های آماری واریانس، توزیع آماری و میانگین مجموعه داده های واقعی و پیش بینی شده مکانی آفت توسط شبکه فازی - عصبی، تفاوت معنی داری وجود نداشت. نقشه های ترسیم شده نشان داد که پراکندگی این آفت به صورت تجمعی است و امکان کنترل متناسب با مکان را در مزرعه مورد مطالعه دارد.