TOPRAK ÜSTÜ SICAKLIĞININ YAPAY SİNİR AĞLARI YÖNTEMİ İLE MODELLENMESİ

Abstract

Bu çalışmada, çiftçilerin karşılaştıkları problemleri çözmek için biyolojik sinir ağlarının yapısına ve işlevlerine dayanan hesaplama modeli olan “Yapay Sinir Ağı (ANN)” kullanılmıştır. Tezin temel amacı tarım üretimini arttırmaya katkı sağlamaktır. Çiftçilerin verimliliği engelleyen bazı parametreleri kontrol edildi ve bu parametreler, bu araştırma çalışmasında ayrıntılı olarak incelendi. Bu araştırmada, toprak kalitesi, toprak pH-değeri, toprak su tutma kapasitesi, hava ve atmosfer koşulları gibi verimi azaltan parametreleri araştırmak ve sınıflandırmak için iki yöntem uyguladık. Burada, “Eğri uydurma” ve “Örüntü sınıflandırması” yöntemleri, çiftçilerin düşük verimliliğin nedenini araştırılması için uygulanmıştır. Eğri uydurma; olası kısıtlamalara tabi olan bir veri dizisine en iyi uyan bir eğri veya matematiksel bir fenksiyonu oluşturma sürecidir. Bu süreç, verilere tamamen uyum gerektiren iç değerlendirme ya da verilere yaklaşık uyan bir matematiksel filtrelemeyi içerebilir. Eğri uydurma yöntemi, ayrıca sinir ağının keyfi bir girdi-çıktı ilişkisini tanımlama ve temsil etme yaklaşımını kullanır ve ilişki modellendikten sonra, ağ tarafından gerekli doğruluk analizleri yapılabilir. Yapay Sinir Ağı'nı (YSA), çiftçilerin karşılaştıkları problemleri çözmek için uygulanmaktadır. Olası çözümleri araştırmak ve önermek için, bu çalışmada belirtilen iki yeni metodolojik yaklaşımı kullanıyoruz. Önceki araştırmalarla birlikte, daha fazla çiftçinin üretimin verimliliğindeki artışı bu yöntemle daha fazla geliştirilebileceğine inanıyoruz. Bu araştırma çalışmasında, İstanbul'da 41,1568 oN - 28,3119 oE koordinatlarında (Akören, Silivri) , 01.11.2016 - 31.12.2016 tarihleri arasında, her on dakikalık kayıtlarla toplanan veriler kullanılmıştır. Toprak sıcaklığındaki değişimin üretimdeki rolünü tanımlamak için; Güneş radyasyonu, UV Radyasyonu, Rüzgar şideti ve Rüzgar yönü parametrelerini girdi verisi olarak değerlendirdik. Bu parametreler TARSİM'e (Tarım Sigortaları) ait arşiv verilerine dayanmaktadır. Kullandığımız ilk yöntem, gerekli veri ve parametre doğruluklarını modellemede kullanılan eğri uydurma metodu olup, seri öngörüsü, fonksiyon yaklaşımı ve fonksiyon optimizasyonu gibi çeşitli görevler için de kullanılabilir. Eğri uydurma yöntemi, dikkate alınan veri noktaları kümesindeki toplam hatayı en aza indirgeyen parametre değerlerinin seçilmesi ve dolayısıyla bu araştırmada uygulanması esasına dayanır. Araştırdığımız ikinci yöntem, çiftçilerin karşılaştıkları sorunlara olası çözüm bulma konusunda yardımcı olabilecek “Model sınıflandırması”dır. Bu yöntem, nesneleri bir dizi kategoriye veya sınıflara ayırmayı amaçlayan bilimsel bir disiplindir. Bu konu aynı zamanda öğrenme algoritmalarının kullanılması yoluyla verilerin düzenliliğinin otomatik olarak keşfedilmesiyle ilgili makine öğrenmesi çalışmalarına girer. Öğrenme algoritmaları, girdi özellik alanını iki veya daha fazla sınıfın bir çıktı alanına eşleyebilen bir işlev oluşturmaya çalışır. Desen sınıflandırmasının amacı, sonlu sayıda sınıflardan birine giriş desenleri atamaktır. Bu yöntem, daha önceki araştırmalarda test edilmiş olup, bu çalışmada da olumlu sonuçlar veren bir yöntemdir. Elde edilen simülasyon sonuçları, “Levenberg-Marquardt (LM) ve ölçeklenmiş eşlenik gradyan (SCG) yöntemlerinin”, bu araştırmada bu alanda şimdiye kadar kullanılan diğer yedi (7) yöntemin en iyisi olduğunu betimlemektedir. Yönteminin başarı oranı % 94,4 ile %99,2 arasında olup, LM algoritması ile eğitilen ağların daha hızlı olduğu gözlemlenmiştir. Ayrıca, bu modellerle ürün rekoltesi üzerinde önemli rol oynayan toprak sıcaklığı ve toprağın fiziksel özellikleri öngörebilecektir ve arazi koruma çalışmaları, Tarımsal politikalarda doğru kararlar alabilmeleri açısından çiftçilerin desteklenmesi sağlanabilecektir.