Kacar, İlyasKorkmaz, Cem2024-11-072024-11-0720222146-538Xhttps://doi.org/10.17714/gumusfenbil.1110463https://search.trdizin.gov.tr/tr/yayin/detay/1187386https://hdl.handle.net/11480/12036Tarımın 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.trinfo:eu-repo/semantics/openAccessBilgisayar BilimleriYazılım MühendisliğiTarımsal Ekonomi ve PolitikaMatematikSağlık Politikaları ve HizmetleriSosyolojiZiraat Mühendisliğiİktisatİstatistik ve OlasılıkRegresyonOrganik gübreMakine öğrenmesiÇok katmanlı algılayıcı ağıTarımsal kurutmaUzun kısa süreli bellekArticle1241188120610.17714/gumusfenbil.11104631187386