این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آفات گیاهی، جلد ۸، شماره ۳، صفحات ۴۵-۵۷
عنوان فارسی مقایسه توانایی پیش‌بینی نوسان‌های جمعیت سن گندم توسط مدل‌های سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، روش سطح پاسخ (RSM) و رگرسیون خطی چند متغیره
چکیده فارسی مقاله سن معمولی گندم یکی از آفات اصلی گندم و از مهم‌ترین مسائل گیاه­پزشکی ایران است. از دیرباز مدل‌های رگرسیون خطی چندگانه برای پیش­بینی نوسان­های جمعیت آفات مختلف با استفاده از متغیرهای محیطی مورد استفاده قرار گرفته‌اند. استفاده از سیستم‌های هوشمند برای تخمین دقیق‌تر نوسان­های جمعیت حشرات می‌تواند نتایج بهتری را به همراه داشته باشد. بنابراین مطالعه‌ای 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 سال‌های 1394و 1395 در دو مزرعه گندم آبی یک هکتاری در شهرستان چادگان انجام شد. در این مدل‌ها، 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. داده‌های جمع­آوری شده به صورت تصادفی به دو دسته آموزش (70 درصد) و آزمون (30 درصد) تقسیم شدند و از آن‌ها برای آموزش و ارزیابی مدل‌های انفیس، روش سطح پاسخ و همچنین رگرسیون خطی استفاده شد. دقت پیش­بینی به وسیله آماره‌های R2و RMSE ارزیابی شد. نتایج، کارایی بالاتر مدل انفیس )0614/0, RMSE= 93/0= (R2و روش سطح پاسخ )0836/0, RMSE= 88/0= (R2را نسبت به مدل رگرسیون خطی چند متغیره )23/0, RMSE= 34/0= (R2نشان 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.
کلیدواژه‌های فارسی مقاله مدل‌های پیش‌آگاهی، Eurygaster integriceps، انفیس، عوامل اقلیمی، چادگان،
عنوان انگلیسی Comparing the ability of ANFIS, RSM and multiple linear regression models for estimation of Eurygaster integriceps population
چکیده انگلیسی مقاله The Sunn pest, Eurygaster integriceps Put. is one of the main pests of wheat and one of the most important plant protection problems in Iran. Multiple linear regression models have been used to predict the fluctuation of various pest populations by using environmental variables. Using intelligent systems to better estimate insect population fluctuations can lead to better results. Therefore, the current study was conducted to predict population fluctuation of the Sunn pest by using a neuro adaptive fuzzy inference system, a response surface method and multiple linear regression. This study was done during in 2015 and 2016 on two wheat farms each one with an area of one hectare in the Chadegan county. In these models, average temperature, average relative humidity, rainfall, wind speed and direction, sampling date, degree- day and altitude from sea level were used as response variables. The collected data randomly divided in two categories of training (70%) and testing (30%) and they used for train and test of ANFIS and response surface methodology. The accuracy of the prediction was evaluated by R2 and RMSE. The higher performance of the ANFIS model (R2= 0.93, RMSE= 0.0614) and RSM (R2 = 0.88, RMSE= 0.0836) resulted comparing to the multiple linear regression (R2 = 0.23, RMSE= 0.34). Also the results of sensitivity analysis indicated that the average of temperature, relative humidity, wind speed and date of sampling were the most important parameters for predicting density of adult Sunn pest. 
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله زهرا دوستی |
گروه گیاه‌پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

ناصر معینی نقده |
گروه گیاه‌پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

عباسعلی زمانی |
گروه گیاه‌پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

لیلا ندرلو |
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

نشانی اینترنتی https://iprj.guilan.ac.ir/article_3111_166fbafab13863db8877185cec9c32ff.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/685/article-685-1126848.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات