ارزیابی مدل شبکه عصبی مصنوعی GMDH در تخمین پراکنش مکانی کفشدوزک هفت نقطه ای (Coccinella septempunctata (Col.: Coccinellidae در مزارع یونجه منطقه باجگاه شیراز

این مطالعه به منظور پیش بینی تغییرات تراکم جمعیت تراکم کفشدوزک هفت نقطه ای در مزرعه یونجه، با استفاده از شبکه عصبی مصنوعی انجام شد. داده های مربوط به تراکم جمعیت این حشره در مزرعه ای به مساحت 4 هکتار در منطقه باجگاه شیراز در سال 1392-1393 ثبت شد. در این مدل ها از متغیرهای طول و عرض جغرافیایی به عنوان متغیرهای ورودی و تغییرات جمعیت حشره کامل کفشدوزک هفت نقطه ای به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع (Group methodofdata handling (GMDH بهینه شده با الگوریتم ژنتیک بود. برای ارزیابی قابلیت شبکه های عصبی مورد استفاده در پیش بینی پراکنش مکانی کفشدوزک، 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 دشمن طبیعی توسط شبکه عصبی GMDH، تفاوت معنی داری وجود نداشت و همچنین وجود ضریب تبیین 0.98 نشان از دقت بالایی شبکه عصبی در پیش بینی تراکم این گونه داشت. نقشه های ترسیم شده توسط شبکه نشان داد، توزیع این دشمن طبیعی تجمعی است.