- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,727 |
| تعداد مقالات | 31,056 |
| تعداد مشاهده مقاله | 28,283,728 |
| تعداد دریافت فایل اصل مقاله | 16,267,302 |
ارزیابی مدل شبکه عصبی مصنوعی GMDH در تخمین پراکنش مکانی کفشدوزک هفت نقطه ای (Coccinella septempunctata (Col.: Coccinellidae در مزارع یونجه منطقه باجگاه شیراز | ||
| نامه انجمن حشره شناسی ایران | ||
| مقاله 2، دوره 38، شماره 3 - شماره پیاپی 75، آذر 1397، صفحه 275-287 اصل مقاله (950.23 K) | ||
| نوع مقاله: مقاله کامل، فارسی | ||
| شناسه دیجیتال (DOI): 10.22117/jesi.2018.116187.1154 | ||
| نویسندگان | ||
| روناک محمدی* 1؛ علیرضا شعبانی نژاد2؛ محمود عالیچی3؛ محمدرضا شعبانی4 | ||
| 1دانشجوی دکتری حشره شناسی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران. | ||
| 2دانشجوی دکتری حشره شناسی، دانشکده کشاورزی دانشگاه رازی، کرمانشاه، ایران | ||
| 3بخش گیاه پزشکی، دانشکده کشاورزی، دانشگاه شیراز، ایران. | ||
| 4دانشکده شیمی، دانشگاه صنعتی جندی شاپور، دزفول، ایران. | ||
| چکیده | ||
| این مطالعه به منظور پیش‌بینی تغییرات تراکم جمعیت تراکم کفشدوزک هفت نقطهای در مزرعه یونجه، با استفاده از شبکه عصبی مصنوعی انجام شد. داده‌های مربوط به تراکم جمعیت این حشره در مزرعه‌ای به مساحت 4 هکتار در منطقة باجگاه شیراز در سال 1392-1393 ثبت شد. در این مدل‌ها از متغیرهای طول و عرض جغرافیایی به عنوان متغیرهای ورودی و تغییرات جمعیت حشره کامل کفشدوزک هفت نقطهای به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع (Group methodofdata handling (GMDH بهینه شده با الگوریتم ژنتیک بود. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش بینی پراکنش مکانی کفشدوزک، از مقایسه آماری پارامترهایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش بینی 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 پیش بینی شده مکانی دشمن طبیعی توسط شبکه عصبی GMDH، تفاوت معنیداری وجود نداشت و همچنین وجود ضریب تبیین 0.98 نشان از دقت بالایی شبکه عصبی در پیش بینی تراکم این گونه داشت. نقشه‌های ترسیم شده توسط شبکه نشان داد، توزیع این دشمن طبیعی تجمعی است. | ||
| کلیدواژه‌ها | ||
| توزیع مکانی؛ شبکه عصبی مصنوعی GMDH؛ کفشدوزک هفت‌نقطه‌ای | ||
| عنوان مقاله [English] | ||
| Evaluation of GMDH artificial neural network model to predict the spatial distribution of Coccinella septempunctata (Col.: Coccinellidae) in the alfalfa farm of Bajgah, Shiraz | ||
| نویسندگان [English] | ||
| R. Mohamadddi1؛ Alireza Shabani Nejad2؛ M. Alichi3؛ Mohammadreza Shabani Nejad4 | ||
| 1Phd student, Department of plant protection, college of Agriculture, Razi university, Kermanshah, Iran. | ||
| 2Phd student,Department of plant protection, College of Agriculture,Razi university, Kermanshah, Iran. | ||
| 3Department of Plant Protection, University of Shiraz, Iran. | ||
| 4College of Chemistry, Jundishapour Industrial University, Dezful, Iran. | ||
| چکیده [English] | ||
| This study aimed to predict population of Coccinella septempunctata in the field using artificial neural network. The data was collected from a four-hectare field in years of 2013-2014 in the area of Badjga Shiraz. In this model, the input variables were, longitude and latitude and population changes of Coccinella septempunctata was used as the outcome variable. The neural network type used, was Group Method of Data Handling (GMDH) that optimized by genetic algotithm. To evaluate the ability of GMDH neural networks to predict the spatial distribution of the species, statistical comparison of the parameters such as mean, variance, statistical distribution and coefficient determination of linear regression between predicted values and actual values was used. Results showed that in training and test phases of GMDH, there was no significant effect between variance, mean and statistical distribution of actual and predicted values, and the coefficient of determination of 0.98 indicates the high accuracy of this neural network in predicting the density of this species. The drawn maps showed that the distribution of this natural enemy is patchy. | ||
| کلیدواژه‌ها [English] | ||
| Coccinella septempunctata L, GMDH artificial neural network, spatial distribution | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 332 تعداد دریافت فایل اصل مقاله: 438 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب