| Popis: |
Gittikçe artan dünya nüfusunun gıda ihtiyacını karşılayabilmek için araştırmacılar tarımsal verimin artırılmasına yönelik yoğun bir şekilde çalışmaktadırlar. Bu çalışmaların önemli bir kısmını; zirai, katı atık vb. ürünlerin kuruma davranışının modellenmesi oluşturmaktadır. Verimli bir kurutma sayesinde kaliteli ürün ve enerji tasarrufu elde edilmektedir. Bu çalışmada yeni nesil bitki besinlerinden biri olan %25 azot, %5 fosfor ve %5 potasyum karışımının kuruma davranışı modellenmiştir. Kurumanın modellenebilmesi için sadece regresyon değil aynı zamanda makine öğrenme yöntemleri de kullanılmıştır. Makine öğrenme yöntemlerinden yapay sinir ağları ve uzun-kısa süreli bellek yöntemleri kullanılmıştır. Bu yöntemlerin hem kuruma verisini modellemede hem de ileriye yönelik verilerin tahminindeki performansları araştırılmıştır. Kurutma deneylerinden elde edilen nem verisi kullanılmıştır. Veriler eğitim, doğrulama ve test kümelerine ayrılmıştır. Performans değerlendirme kriterleri olarak hata fonksiyonları, korelasyon ve determinasyon katsayıları kullanılmıştır. Sonuç olarak yapay sinir ağı ve uzun-kısa süreli bellek metotlarının hem eğitim hem de test verileri üzerindeki tahmin performanslarının regresyon yöntemlerine göre oldukça iyi olduğu görülmüştür. Yapay sinir ağı tahmin performansının uzun-kısa süreli bellek yönteminden daha başarılı olduğu ve en iyi tahmin performansını verdiği tespit edilmiştir. |
