خوشه‌بندي خودكار داده‌هاي حاصل از نمونه‌برداري و ارزيابي شبكه‌ فازي- عصبي جهت تخمين پراكندگي سفيدبالك پنبه (Hem.:Aleyrodidae) Bemisia tabaci

Automatic clustering of data from sampling and evaluating of neuro-fuzzy network forestimatinge the distribution of Bemisia. tabaci (Hem.:Aleyrodidae)

پژوهش حاضر با هدف پيش­بيني تراكم سفيد­بالك پنبه با روش شبكه­ ي فازي- عصبي مصنوعي در شهرستان بهبهان انجام گرفت. داده‌هاي مربوط به تراكم جمعيت سفيد بالك پنبه از طريق نمونه ­برداري بر روي يك شبكه علامت‌گذاري شده مربعي با ابعاد ۱۰×۱۰ متر و در مجموع از ۱۰۰ نقطه از سطح مزرعه به دست آمد. مختصات طول و عرض نقاط علامت­گذاري شده سطح مزرعه به عنوان ورودي­ شبكه فازي- عصبي تعريف شد. خروجي نيز تعداد اين آفت در آن نقاط بود. براي بررسي ميزان حساسيت اين روش به سطوح مختلف اين آفت پس از جمع ­آوري نمونه­ ها از روش خوشه­ بندي اتوماتيك براي تعيين تعداد خوشه ­ها، و از شاخص ديويس و بولدين به عنوان معيار ارزيابي استفاده شد. به منظور جست و‌‌ جوي فضاي جواب خوشه­ بندي از الگوريتم ژنتيك استفاده شد. نتايج خوشه­ بندي بر اساس شاخص ديويس و بولدين (0.46) نشان داد كه داده­ها بايد به سه خوشه تقسيم شود. نتايج نشان داد كه در فازهاي آموزش و آزمايش بين مقادير ويژگي‌هاي آماري واريانس، توزيع آماري و ميانگين مجموعه داده‌هاي واقعي و پيش‌بيني شده مكاني آفت توسط شبكه فازي - عصبي، تفاوت معني­ داري وجود نداشت. نقشه‌هاي ترسيم شده نشان داد كه پراكندگي اين آفت به صورت تجمعي است و امكان كنترل متناسب با مكان را در مزرعه مورد مطالعه دارد.

In this study, Neuro Fuzzy network was used to estimate the spatial distribution of Bemisia tabaci in a cucumber field in Behbahan. Pest density assessments were performed based on a 10 m × 10 m grid pattern pattern and a total of 100 sampling units in. In this method latitude and longitude information was used the input data and output of method showed the number of pest. To determine the sensitivity of this method to different levels of the pest after collecting samples, automatic clustering method was used to determine the number of clusters Davies and Bouldin index was used to evaluae criterion. In order to finding the answer, Clustering Search Space Genetic Algorithm was used.Davies and Bouldin index (0.46) showed that the data should be divided into three clusters. Results indicated average, variance, statistical distribution and also coefficient of determination in the observed and the estimated Bemisia tabaci density were not significantly different.Our map showed that patchy pest distribution offers large potential for using site-specific pest control on this field.