Modeling and Prediction of Honey Production by Artificial Neural Networks in China

Yıl 2021, Cilt: 1 Sayı: 1, 17 - 26, 31.12.2021

Şenol Çelik

Öz

Bu araştırmada dünyada en fazla üretimi yapılan Çin’de bal üretimini modellemek ve öngörü
yapacak bir Yapay Sinir Ağı (YSA) modeli geliştirilmiştir. YSA modelinin geliştirilmesinde girdi
parametresi olarak zaman değişkeni olan yıllar, çıkış parametresi ise üretim miktarı
kullanılmıştır. Araştırma verileri Çin’de 1961-2019 dönemine ait bal üretim miktarı verilerini
kapsamaktadır. Bipolar sigmoid aktivasyon fonksiyonu kullanarak Hata Kareler Ortalaması
(MSE) ve Hatanın Mutlak Ortalaması (MAE) istatistikleri ile modelin uygunluğu denetlenmiştir.
YSA modeli 1 gizli katmanlı, 8 işlem elemanlı (3-8-1) ve öğrenme algoritması olarak
Levenberg–Marquardt geri yayılım algoritması olarak kullanılan bir ağ mimarisi şeklinde
kurulmuştur. Kurulan model ile öngörü sonucunda bal üretiminin 2020-2025 yılları arasında
520 851-538 057 arasında olacağı tahmin edilmiştir.

Anahtar Kelimeler

Bee pollen , Bioactive properties , Functional food

Kaynakça

• [1] Feng, F. (1990). Apiculture in China. Bee World 71(3):104-106.
• [2] Zheng, H.Q., Wen, T.W., Fu, L.H. 2011. Beekeeping Industry in China. Bee World, 88(2):41-44
• [3] FAO, (2019). Birleşmiş Milletler Gıda ve Tarım Örgütü. Crops and livestock products. https://www.fao.org/faostat/en/#data/QCL
• [4] Burucu, V. (2021). Ürün Raporu Arıcılık 2021. Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü (TEPGE). TEPGE Yayın No: 330.
• [5] FAO, (2020). Birleşmiş Milletler Gıda ve Tarım Örgütü. Trade Indices. Honey natural. https://www.fao.org/faostat/en/#data/TI.
• [6] United States Department of Health and Human Services, (2007). Statement by Murray M. Lumpkin M.D., Deputy Commissioner International and Special Programs on Safety of Chinese Imports: Oversight and Analysis of the Federal Response, before Commerce, Science, and Transportation Committee, U.S. Senate.
• [7] Merck. (2009). The Merck Manual: Chloramphenicol. http://www.merckmanuals.com/professional/infectious_diseases bacteria_and_antibacterial_drugs/chlorampheniol.html#v1003117. Accessed 20 November 2021.
• [8] Dharmananda, S. (2003). Traces of chloramphenicol in Chinese bee products: origin, development, and resolution. http://www.itmonline.org/arts/bees.htm. Accessed 11 December 2021.
• [9] Grillot, C. 2020. When Bees Travel–Social and Economic Challenges of Chinese Transhumant Beekeepers. Zanthro-Zurich Anthropology Working Papers, N°10, Lyon.
• [10] TÜİK, (2020). Türkiye İstatistik Kurumu, Hayvancılık Üretim. Doğal Bal Üretimi, https://biruni.tuik.gov.tr/medas/?kn=101&locale=tr (Erişim tarihi, 19 Kasım 2021).
• [11] Çelik, Ş. (2015). Türkiye’de bal üretiminin zaman serileri ile modellenmesi. Sakarya Üniversitesi Fen Bilimleri Dergisi, 19(3): 377-382.
• [12] Bağış, B., Yurtseven, Ç. (2017). Bingöl Bal Borsası İçin Bir Model Önerisi. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(14):97-114.
• [13] Bağış, B., Akbakay, Z. (2017). Arıcılık ve bal üretiminin Bingöl ili ve bölge ekonomisi için önemi. İktisadiyat, 1(1): 193-211.
• [14] Kadirhanoğulları, İ.H., Karadaş, K., Külekçi, M. (2016). Iğdır İlinde bal üretim maliyetinin belirlenmesi üzerine bir çalışma. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 6(4): 115-120.
• [15] Güngör, E., Ayhan, A.B. (2016). Bartın Yöresi orman kaynaklarının bal üretim potansiyeli ve ekonomik değeri. Türkiye Ormancılık Dergisi, 17(1):108-116.
• [16] Ataseven, B. (2013). Yapay Sinir Ağları ile öngörü modellemesi. Öneri, 10(39): 101-115.
• [17] Öztemel E. (2012). Yapay sinir ağları. Papatya Yayıncılık, İstanbul
• [18] Tang, T.C., Chi, L.C. (2005). Neural networks analysis in business failure prediction of chinese importers: a between-countries approach. Expert Systems with Applications, 29: 244-255.
• [19] Efendigil, T., Önüt, S., Kahraman, C. (2009). A decision support system for demand forecasting with artificial neural networks and neuro-fuzzy models: A comparative analysis. Expert Systems with Applications, 36: 6697 6707.
• [20] Koç, M. L. Balas C.E., Arslan, A. (2004). Taş dolgu dalgakıranların Yapay Sinir Ağları ile ön tasarımı. İMO Teknik Dergi, 15(4): 3351-3375.
• [21] Gallant, S.I. (1993). Neural Network Learning and Expert Systems, MIT Press, Cambridge.
• [22] Baxter, C.W. (2001). Modelling Heuristics from Literature. CIV E 729 Course Notes, Dept. of Civil and Environmental Engineering, Edmonton: University of Alberta, 12-21.
• [23] Werbos, P.J. (1974). Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences, PhD thesis, Harvard University.
• [24] Rumelhart, D.E., Hinton, G.E., Williams, R.J. (1986). Learning Internal Represantation by Back- Propagating Errors, In: Rumelhart D.E., McCleland J.L., The PDP Research Group, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, MIT Press, MA.
• [25] Ogwueleka, T.C., Ogwueleka, F.N. (2009). Optimization of drinking water treatment processes using Artificial Neural Network. Nigerian Journal of Technology, 28(1): 16-25.
• [26] Kaur J., Gupta N. (2020). Bipolar sigmoid algorithm for designing constructive neural network. International Journal on Emerging Technologies, 11(2): 991–996.
• [27] Çuhadar, M., Kayacan, C. (2005). Yapay sinir ağları kullanılarak konaklama işletmelerinde doluluk oranı tahmini: Türkiye’deki konaklama işletmeleri üzerine bir deneme. Anatolia: Turizm Araştırmaları Dergisi, 16(1):24 30
• [28] Singh KP., Basant, A, Malik A, Jain G. (2009). Artificial neural network modeling of the river water quality-A case study. Ecological Modelling, 220(6): 888-895.
• [29] Burucu, V., Gülse Bal, H.S. (2017). Türkiye’de Arıcılığın Mevcut Durumu ve Bal Üretim Öngörüsü. TEAD, 3(1): 28-37.
• [30] Çukur, T., Çukur, F. (2021). ARIMA modeli ile Türkiye bal üretim öngörüsü. TEAD, 7(1): 31-39.
• [31] Karadaş, K., Kadirhanoğulları, İ.H. (2017). Predicting Honey Production using Data Mining and Artificial Neural Network Algorithms in Apiculture. Pakistan Journal of Zoology, 49(5): 1611-1619.
• [32] Çelik, Ş. (2021a). Modeling the number of pigs in Turkey through ARIMA models and Artificial Neural Networks. Quest Journals. Journal of Research in Agriculture and Animal Science, 8(4): 39-45.
• [33] Çelik, Ş. (2021b). Modeling the number of mules in Turkey through Time Series Analysis and Artificial Neural Network. European Journal of Advances in Engineering and Technology, 8(9): 22-28
• [34] Zhu, L., Wang, Z., Wong, L., He, Y., Zhao, Z., Ye, Y., Fu, P.P, Lin, G. (2018). Contamination of hepatotoxic pyrrolizidine alkaloids in retail honey in China. Food Control, 85: 484-494.
• [35] Zhang, M. (2018). Consumer Attitudes and Behaviour towards Honey in China. Ghent University International Master of Science in Rural Development, Master thesis, Belgium.