Skip to content
naulon

Not checkedNot checked for notices yet.

ارزیابی شبکه عصبی مصنوعی MLP بهینه شده با الگوریتم ژنتیک در تخمین و پیش بینی R0 و rm سفیدبالک گلخانهTrialeurodes vaporariorum (Hemiptera: Aleyrodoidae) با توجه به برخی ویژگی های گیاهان میزبان در شرایط گلخانه

سکینه نعیم امینی, علی گلی زاده, بهرام تفقدی نیا and 3 more

نامه انجمن حشره‌شناسی ایران · 2021

doi:10.22117/jesi.2021.354385.1415 (opens in a new tab)

We email you when a new notice or a question about this paper appears.

Abstract

با توجه به اهمیت تولید محصولات گلخانه ­ای و فعالیت بالای آفات از جمله سفید بالک Trialeurodes vaporariorum در گلخانه­ ها، مدیریت این آفت ایجاب می­ کند تا مطالعات بوم‌شناختی با رویکردی جدید صورت گیرد. بنابراین، با توجه به تأثیرپذیری عملکرد زیستی سفیدبالک گلخانه از ویژگی­ های گیاه میزبان، پژوهش حاضر به منظور پیش ­بینی و تخمین مقادیر پراسنجه­ های رشد جمعیت شامل نرخ خالص تولید مثل (R0)و نرخ ذاتی افزایش جمعیت (rm) آفت، با توجه به برخی ویژگی­ های گیاهان میزبان و با استفاده از شبکه عصبی مصنوعیMLP بهینه شده با الگوریتم ژنتیک انجام شد. مقادیر نرخ خالص تولید مثل و نرخ ذاتی افزایش جمعیت آفت روی دو میزبان خیار، Cucumis sativus و کیوانو، Cucumis metuliferus محاسبه شد. همچنین تراکم و طول تریکوم ­های برگ، تراکم و مساحت سلول­های روزنه سطح زیرین برگ و مقدار سبزینه برگ هر یک از گیاهان میزبان اندازه ­گیری شد. شبکه عصبی مصنوعیMLP بهینه شده با الگوریتم ژنتیک طراحی شد و برای اطمینان از یادگیری شبکه عصبی آموزش دیده، آزمون­ های t، F و کولموگروف–اسمیرنوف به ترتیب برای مقایسة میانگین، واریانس و توزیع آماری مورد استفاده قرار گرفتند. مقادیر ضرایب تبیین 9621/0 = R2) و سطح احتمال معنی‌داری (773/0 P >) برای آزمون­های آماری بیانگر دقت و توانمندی بالا و قدرت تعمیم پذیری شبکه عصبی مصنوعی MLP در تخمین R0 و rm مربوط به سفید­بالک­ گلخانه بود.

Abstract licence: CC BY-NC

Reads

Read by people on this page

None yet.

Checked or read by AI through naulon

None yet.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.

Are you an author?

Is this your paper?

Claim it to add your note and be paid when agents cite it. Free.