TY - JOUR ID - 3111 TI - مقایسه توانایی پیش‌بینی نوسان‌های جمعیت سن گندم توسط مدل‌های سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، روش سطح پاسخ (RSM) و رگرسیون خطی چند متغیره JO - تحقیقات آفات گیاهی JA - IPRJ LA - fa SN - 2322-2409 AU - دوستی, زهرا AU - معینی نقده, ناصر AU - زمانی, عباسعلی AU - ندرلو, لیلا AD - گروه گیاه‌پزشکی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران AD - گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران Y1 - 2018 PY - 2018 VL - 8 IS - 3 SP - 45 EP - 57 KW - مدل‌های پیش‌آگاهی KW - Eurygaster integriceps KW - انفیس KW - عوامل اقلیمی KW - چادگان DO - 10.22124/iprj.2018.3111 N2 - 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. UR - https://iprj.guilan.ac.ir/article_3111.html L1 - https://iprj.guilan.ac.ir/article_3111_166fbafab13863db8877185cec9c32ff.pdf ER -