چکیده: راست بالان از نظر تنوع گونه‌ای و تعداد زیاد گونه‌های مضر، از مهم‌ترین راسته‌های حشرات به شمار می‌رود. این راسته، با بیش از بیست‌ونه هزار گونه که تا به اکنون شناسایی گردیده و در زیرراسته Caelifera، تاکنون 350 گونه در قالب 110 جنس و 6 خانواده از نقاط مختلف ایران جمع‌آوری و شناسایی شده‌اند. در این پژوهش که از اسفند 1399 تا آذر 1400 در منطقه گرمه-جاجرم استان خراسان شمالی انجام گرفت، در مجموع 22 گونه از ملخ‌های زیرراسته Caelifera متعلق به 13 جنس، 5 زیرخانواده، 2 خانواده جمع‌آوری و شناسایی گردیدند. گونه‌های Sphingoderus carinatus و Sphingonotus octofasciatus از زیرخانواده Oedipodinae، گونه Ramburiella turcomana از زیرخانواده Gomphocerinae، خانواده Acrididae و گونه‌های Dericorys annulate و Dociostaurus hauensteini از زیرخانواده Dericorythinae و خانواده Dericorythidae 5 برای فون ملخ‌های استان خراسان شمالی جدید و تمام گونه‌های جمع‌آوری شده در مجموعه حشره‌شناسی موزه جانورشناسی استاد جلال افشار گروه گیاهپزشکی پردیس کشاورزی و منابع طبیعی دانشگاه تهران (کرج) نگهداری می‌شوند. علاوه بر این، در بخش دوم این پژوهش، به‌منظور بررسی تخمین پراکندگی مکانی ملخ‌های زیرراسته Caelifera با استفاده از شبکه عصبی مصنوعی انجام شد. داده‌های مربوط به تراکم جمعیت ملخ‌ها از زیستگاه‌های مختلف منطقه جاجرم و گرمه در سال 1400 جمع‌آوری شده و به‌دست آمد. در این مطالعه، از متغیرهای طول و عرض جغرافیایی به‌عنوان متغیرهای ورودی و از تغییرات جمعیت ملخ‌های زیرراسته Caelifera به‌عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع شبکه پرسپترون چند لایه (MLP) بهینه شده بود. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش‌بینی توزیع، از مقایسه آماری پارامترهایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش‌بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها استفاده شد. یکی از مهم‌ترین مراحل در ایجاد شبکه‌های عصبی مصنوعی، پیش‌پردازش داده‌ها است. الگوریتم آموزشی لونبرگ-مارکوآردت، برای اجرا، آموزش و آزمون شبکه، از نرم‌افزار MATLABR2016a استفاده شد. به‌منظور بهینه‌سازی شبکه عصبی مورد استفاده، از آزمون و خطا استفاده شد و تعداد نورون‌های لایه پنهان و نوع تابع آستانه، مشخص و بهینه شد. نقشه‌های ترسیم شده نشان داد که توزیع ملخ‌های زیرراسته Caelifera، تجمعی است. نقشه‌های به‌دست آمده از شبکه‌های عصبی مصنوعی می‌توانند به برنامهریزان جهت اعمال برنامه‌های کنترل آفات کمک کنند .