ترکیب روش زمین آمار با شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در پیش بینی الگوی توزیع کفشدوزک هفت‌نقطه‌ای coccinella septempunctata در مزرعه یونجه شهرستان باجگاه

با پدید آمدن تکنیک‌های آماری قوی و شبکه‌های عصبی، مدل‌های پیش بینی کننده پراکنش موجودات به سرعت در اکولوژی توسعه پیدا کرده است. با توجه به دشواری نمونه برداری معمولا در این گونه مطالعات تعداد نمونه کافی وجود ندارد لذا برای رفع این مشکل در این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع کفشدوزک هفت‌نقطه‌ای از ترکیب روش کریجینگ با شبکه‌های عصبی پرسپترون چندلایه (mlp) ترکیب شده با الگوریتم ژنتیک در سطح مزرعه استفاده شد. داده‌های مربوط به جمعیت این آفت از طریق نمونه برداری از سطح یک مزرعه در شهرستان باجگاه در سال 1392 بدست آمده. داده ها توسط روش کریجینگ معمولی با نیم تغییرنمای کروی که بهترین عملکرد را داشت میانیابی شدند و به عنوان ورودی شبکه عصبی معرفی شدند. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش بینی توزیع از مقایسه آماری پارامترهایی مانند واریانس، توزیع آماری بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن‌ها استفاده شد. نتایج نشان داد که در فازهای آموزش و آزمایش بین مقادیر ویژگی‌های آماری واریانس و توزیع آماری مجموعه داده‌های واقعی و پیش بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی داری وجود نداشت. نقشه‌های ترسیم شده نشان داد که توزیع آفت تجمعی است.