دريافت:10 / 12 / 1398 ، پذيرش:29 / 09 / 1399 . ر تخصصی: دبی يعقوب فتحی پور جمن حشرهمه ان نا ايران شناسي308 - 295 , ( 3 ) 40 , 1399 Journal of Entomological Society of Iran 2020, 40 (3), 295308 Doi: 10.22117/jesi.2020.127759.1366 پیش الگوی توزيع بیني(Hemiptera: Aphididae) Rhopalosiphum padi با جمعي ذرات تم حرکتوسط الگوريت شده تینهي مصنوعي به از شبکه عصبستفاده ا يم آل عصفور مر * و فائزه باقرینايی ، کامبیز می گروه گیاهنشگاهورزی، داده کشاکی، دانشک پزش شیراز، شیراز ، ايران. * کی: الکترونی، پستبات مسئول مکاتaosfoor@shirazu.ac.ir چکیده مروزه با پديد آمدن اون فنی و شبکه آماری قو عصبی، مدل های پیش هایعت درکنش آفات به سرنی کننده پرا بی بوم شناسی ش به منظور پیش است. اين پژوها کرده توسعه پیدوزيع شته و ترسیم نقشه تنی بیRhopalosiphum padi ستفا ا با ده از شبکهيه چندرسپترون عصبی پ های( MLP ) عی ذرات در م تجم شده با حرکت ترکیبتان فارسه، اس منطقه باجگا زرعه گندم . دادهنجام شد اربوط به جمعیت اين آفت از های مداری ا طريق نمونه بر ز100 م در سال سطح مزرعه گند نقطه از1395 ب ه لیت شبکهرزيابی قابست آمد. برای ا دستفاده در پیش عصبی مورد ا هاینی بیز مقايسه آماری پ توزيع، ا راسنجه هايند ی مان بین مقادير پیش توزيع آماریريانس وگین، وا میانسط شبکه عصبی و مقاديری شده مکانی تو بین واقعی آنه شد.ستفاد ا ها ن داد نتايج نشا، در مراحلن مقادير ويژگی و آزمايش بی آموزشجموعهگین م و میانريانس، توزيع آماریری وا های آما داده و پی واقعی هایفاوت معنی ترکیب شده، ت توسط شبکه عصبیی اين آفتی شده مکان ش بینارد. ندجود داری و نقشه های ن داده نشا ترسیم ش د، در مزرعه مورد مطالن را با مکا کنترل متناسبمکانجمعی است و ا توزيع اين آفت ت عه دارد. واژهدی: کلی هایوعی، شته برگ برنجی، شبکه عصبی مصن توزيع مکان. Predicting distribution pattern of Rhopalosiphum padi (Hemiptera: Aphididae) by hybrid neural network using particle swarm optimization algorithm Maryam Aleosfoor*, Kambiz Minaei & Faezeh Bagheri Department of Plant Protection, College of Agriculture, Shiraz University, Shiraz, Iran. hirazu.ac.ir aosfoor@s mail: - Corresponding author, E * Abstract Nowadays, with the advent of powerful statistical techniques and neural networks, predictive models of distribution have been rapidly developed in ecology. This study was carried out to model distribution of aphid, Rhopalosiphum padi, using MLP neural networks combined with Particle Swarm Optimiza- tion in wheat fields of Badjgah area, Fars province. Population data of the pest was obtained by sam- pling at 100 locations across wheat fields during 2013. For evaluation the capability of neural networks used in dispersal prediction, statistical comparison of parameters such as mean, variance, statistical distribution of spatial predicted values by neural network and their actual values, were conducted. Re- sults showed that there were not significant differences between variance, mean and statistical distribu- tion of actual and predicted values in training and test phases of neural network combined Particle Swarm Optimization algorithm. Our map showed a patchy pest distribution offers large potential for using site-specific pest control on this field . Key words: Neural network, spatial distribution, Bird cherry-oat aphid. Received: 29 February 2020, Accepted: 19 December 2020.