مقایسه توانایی پیش بینی نوسان های جمعیت سن گندم توسط مدل های سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، روش سطح پاسخ (RSM) و رگرسیون خطی چند متغیره
محل انتشار: فصلنامه تحقیقات آفات گیاهی، دوره: 8، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 195
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IPRJ-8-3_004
تاریخ نمایه سازی: 2 شهریور 1402
چکیده مقاله:
سن معمولی گندم یکی از آفات اصلی گندم و از مهم ترین مسائل گیاهپزشکی ایران است. از دیرباز مدل های رگرسیون خطی چندگانه برای پیشبینی نوسانهای جمعیت آفات مختلف با استفاده از متغیرهای محیطی مورد استفاده قرار گرفته اند. استفاده از سیستم های هوشمند برای تخمین دقیق تر نوسانهای جمعیت حشرات می تواند نتایج بهتری را به همراه داشته باشد. بنابراین مطالعه ای با هدف پیشبینی نوسانهای جمعیت سن گندم با استفاده از سیستم استنتاج فازی عصبی- تطبیقی، روش سطح پاسخ و رگرسیون خطی چند متغیره انجام شد. این پژوهش طی سال های ۱۳۹۴و ۱۳۹۵ در دو مزرعه گندم آبی یک هکتاری در شهرستان چادگان انجام شد. در این مدل ها، میانگین دما، میانگین رطوبت نسبی، بارش، سرعت و جهت باد، روز نمونه برداری، روز- درجه و ارتفاع از سطح دریا به عنوان متغیرهای پاسخ استفاده شدند. داده های جمعآوری شده به صورت تصادفی به دو دسته آموزش (۷۰ درصد) و آزمون (۳۰ درصد) تقسیم شدند و از آن ها برای آموزش و ارزیابی مدل های انفیس، روش سطح پاسخ و همچنین رگرسیون خطی استفاده شد. دقت پیشبینی به وسیله آماره های R۲و RMSE ارزیابی شد. نتایج، کارایی بالاتر مدل انفیس )۰۶۱۴/۰, RMSE= ۹۳/۰= (R۲و روش سطح پاسخ )۰۸۳۶/۰, RMSE= ۸۸/۰= (R۲را نسبت به مدل رگرسیون خطی چند متغیره )۲۳/۰, RMSE= ۳۴/۰= (R۲نشان داد. همچنین تحلیل حساسیت حاکی از آن بود که میانگین دما، رطوبت نسبی، سرعت باد و روز نمونهبرداری پارامترهای موثر بر پیشبینی تراکم سن مادر بودند.
کلیدواژه ها:
نویسندگان
زهرا دوستی
گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
ناصر معینی نقده
گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
عباسعلی زمانی
گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
لیلا ندرلو
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :