Çok katmanlı algılayıcı ağı, uzun kısa süreli bellek ağı ve regresyon yöntemleri ile tarımsal kurutma tahmini

Küçük Resim Yok

Tarih

2022

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

Tarımın önemli bir parçası olan gübrenin üretiminde kullanılan işlemlerden biri de kurutma işlemidir. Uygun kurutma parametrelerinin belirlenebilmesi, hem ürün kalitesi hem de üretim verimliliği açısından önemlidir. Kurutma işlem parametrelerinin belirlenmesinde regresyon yöntemleri sıklıkla kullanılmaktadır. Bu çalışmada regresyon yönteminin yanı sıra yapay sinir ağı, uzun kısa süreli bellek gibi makine öğrenme teknikleri de incelenmiştir. Modellemeler için %5 azot, %10 fosfor karışımından oluşan ticari bir organomineral gübrenin 70?C, 75?C ve 80?C sıcaklıklarda kurutulması işleminden elde edilen veriler kullanılmıştır. Modellerden elde edilen sonuçlar ile deneysel sonuçlar kıyaslanmıştır. Her bir modelin tahmin performansları sunulmuştur. Uygun kurutma parametrelerini yakalamak, ürünün kurutma verimi açısından önemlidir. İlave olarak, kurutma simülasyonlarında, başarılı sonuçlar elde edilmesinde, model seçimi önemli rol oynamaktadır. Netice olarak, yapay sinir ağı ile oluşturulan modelin tahmin performansının diğerlerine göre daha başarılı olduğu tespit edilmiştir. Regresyonlar, mevcut verinin modellenmesinde verimli iken, ileriye yönelik tahminlerde başarılı olamamaktadırlar. Ayrıca kurutma verisi içerisindeki tepe ve çukurları tahmin etmede de yetersiz kalmaktadır.

Açıklama

Anahtar Kelimeler

Bilgisayar Bilimleri, Yazılım Mühendisliği, Tarımsal Ekonomi ve Politika, Matematik, Sağlık Politikaları ve Hizmetleri, Sosyoloji, Ziraat Mühendisliği, İktisat, İstatistik ve Olasılık, Regresyon, Organik gübre, Makine öğrenmesi, Çok katmanlı algılayıcı ağı, Tarımsal kurutma, Uzun kısa süreli bellek

Kaynak

Gümüşhane Üniversitesi Fen Bilimleri Dergisi

WoS Q Değeri

Scopus Q Değeri

Cilt

12

Sayı

4

Künye