پیش بینی الگوی توزیع Bemisia tabaci G. (Hem.: Aleyrodidae) با استفاده از شبکه عصبی مصنوعی بهینه شده توسط الگوریتم حرکت تجمعی ذرات

با پدید آمدن تکنیک های آماری قوی و شبکه های عصبی، مدل های پیش بینی کننده پراکنش آفات به سرعت در اکولوژی توسعه پیدا کرده است. این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع Bemisia tabaci G. با استفاده از شبکه های عصبی پرسپترون چند لایه (MLP) ترکیب شده با حرکت تجمعی ذرات در سطح مزرعه خیار انجام شد. داده های مربوط به جمعیت این آفت از طریق نمونه برداری از 100 نقطه از سطح مزرعه شهرستان رامهرمز در سال 1396 به دست آمد. به منظور ارزیابی قابلیت شبکه های عصبی مورد استفاده در پیش بینی توزیع از مقایسه آماری پارامتر هایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن ها استفاده شد. نتایج نشان داد که در فاز های آموزش و آزمایش بین مقادیر ویژگی های آماری واریانس، توزیع آماری و میانگین مجموعه داده های واقعی و پیش بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی داری وجود نداشت. نقشه های ترسیم شده نشان داد که توزیع این آفت تجمعی است و امکان کنترل متناسب با توزیع مکانی را در مزرعه دارد.