ارزیابی مدل شبکه عصبی مصنوعی در تعیین پراکندگی مکانی کنه های خانواده Ascidae (Acari: Mesostigmata) در سطح شهرستان دامغان استان سمنان
عنوان مقاله: ارزیابی مدل شبکه عصبی مصنوعی در تعیین پراکندگی مکانی کنه های خانواده Ascidae (Acari: Mesostigmata) در سطح شهرستان دامغان استان سمنان
شناسه ملی مقاله: JR_JESI-37-3_006
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_JESI-37-3_006
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
مسعود حکیمی تبار - دانشگاه صنعتی شاهرود
علیرضا شعبانی نژاد - گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
علیرضا صبوری - گروه گیاه پزشکی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
محمدحسن شمس - گروه گیاه پزشکی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
خلاصه مقاله:
مسعود حکیمی تبار - دانشگاه صنعتی شاهرود
علیرضا شعبانی نژاد - گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
علیرضا صبوری - گروه گیاه پزشکی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
محمدحسن شمس - گروه گیاه پزشکی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
پژوهش حاضر با هدف پیشبینی پراکندگی کنه های خانواده Ascidae با استفاده از شبکه عصبی مصنوعی در شهرستان دامغان استان سمنان انجام شد. بدین منظور مختصات طول و عرض جغرافیایی و ارتفاع از سطح دریا در ۱۳۷ نقطه به صورت تصادفی، در سطح شهرستان مشخص و به عنوان ورودیهای شبکه عصبی مصنوعی تعریف شد. خروجی نیز تعداد اعضای این خانواده در نقاط مذکور بود. در این پژوهش از شبکه عصبی مصنوعی با ساختار پرسپترون سه لایه با الگوریتم پس انتشار خطا، استفاده شد. برای ارزیابی قابلیت شبکه های عصبی مورد استفاده در پیشبینی پراکندگی از مقایسه آماری پارامترهایی 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 فازهای آموزش و آزمایش بین مقادیر ویژگی های آماری واریانس، توزیع آماری و میانگین مجموعه داده های واقعی و پیش بینی شده مکانی این خانواده توسط شبکه عصبی، تفاوت معنی داری در سطح ۹۵ درصد وجود نداشت (p> ۰.۴). در مجموع میتوان چنین نتیجه گرفت که روش شبکه عصبی مصنوعی با تلفیق سه عامل طول و عرض جغرافیایی و ارتفاع از سطح دریا، قادر به پیشبینی پراکندگی این خانواده با دقت مناسب بود.
کلمات کلیدی: کنه های شکارگر, الگوهای پراکنش, پرسپترون سه لایه, الگوریتم پس انتشار
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1583955/