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

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سن معمولی گندم یکی از آفات اصلی گندم و از مهم ترین مسائل گیاه پزشکی ایران است. از دیرباز مدل های رگرسیون خطی چندگانه برای پیش بینی نوسان های جمعیت آفات مختلف با استفاده از متغیرهای محیطی مورد استفاده قرار گرفته اند. استفاده از سیستم های هوشمند برای تخمین دقیق تر نوسان های جمعیت حشرات می تواند نتایج بهتری را به همراه داشته باشد. بنابراین مطالعه ای با هدف پیش بینی نوسان های 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 1394و 1395 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 جمع آوری شده به صورت تصادفی به دو دسته آموزش (70 درصد) و آزمون (30 درصد) تقسیم شدند و از آن ها برای آموزش و ارزیابی مدل های انفیس، روش سطح پاسخ و همچنین رگرسیون خطی استفاده شد. دقت پیش بینی به وسیله آماره های 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 نمونه برداری پارامترهای موثر بر پیش بینی تراکم سن مادر بودند.
زبان:
فارسی
صفحات:
45 تا 57
لینک کوتاه:
magiran.com/p1913883 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!