خوشه‌بندی خودکار داده‌های حاصل از نمونه ‌برداری و ارزیابی شبکه‌ فازی - عصبی جهت تخمین پراکندگی سفیدبالک پنبه (hem.:aleyrodidae) bemisia tabaci

پژوهش حاضر با هدف پیش­بینی تراکم سفید­بالک پنبه با روش شبکه­ی فازی عصبی مصنوعی در شهرستان بهبهان انجام گرفت. داده‌های مربوط به تراکم جمعیت سفید بالک پنبه از طریق نمونه­برداری بر روی یک شبکه علامت‌گذاری شده مربعی با ابعاد 10×10 متر و در مجموع از 100 نقطه از سطح مزرعه به دست آمد. مختصات طول و عرض نقاط علامت­گذاری شده سطح مزرعه به عنوان ورودی­ شبکه فازی عصبی تعریف شد. خروجی نیز تعداد این آفت در آن نقاط بود. برای بررسی میزان حساسیت این روش به سطوح مختلف این آفت پس از جمع­آوری نمونه­ها از روش خوشه­بندی اتوماتیک برای تعیین تعداد خوشه­ها، و از شاخص دیویس و بولدین به عنوان معیار ارزیابی استفاده شد. به منظور جست و‌‌ جوی فضای جواب خوشه­بندی از الگوریتم ژنتیک استفاده شد. نتایج خوشه­بندی بر اساس شاخص دیویس و بولدین (0.46) نشان داد که داده­ها باید به سه خوشه تقسیم شود. نتایج نشان داد که در فازهای آموزش و آزمایش بین مقادیر ویژگی‌های آماری واریانس، توزیع آماری و میانگین مجموعه داده‌های واقعی و پیش‌بینی شده مکانی آفت توسط شبکه فازی عصبی، تفاوت معنی­داری وجود نداشت. نقشه‌های ترسیم شده نشان داد که پراکندگی این آفت به صورت تجمعی است و امکان کنترل متناسب با مکان را در مزرعه مورد مطالعه دارد.