@article{article_1519604, title={GRU Ağı ve DEM Esaslı Fıstık Sınıflandırma Simülasyonu Kullanarak Zaman Serisi Tahmini}, journal={Tekirdağ Ziraat Fakültesi Dergisi}, volume={22}, pages={896–909}, year={2025}, DOI={10.33462/jotaf.1519604}, author={Korkmaz, Cem and Kacar, İlyas}, keywords={DEM, Ansys RockyDEM©, Silindirik sınıflama makinesi, Derin öğrenme, GRU, LSTM}, abstract={Makale, yer fıstığı işletmelerindeki işleme verimliliğini ve eleme kalitesini optimize etmede, Ayrık Eleman Yöntemi (DEM) esaslı simülasyonlar ve derin öğrenme algoritmalarının kullanıldığı bir otomasyon sistemini araştırmaktadır. Bu amaç ile hasat sonrası bir işlem olan yer fıstığı vb. tahıl ürünlerinin sınıflandırılması için geliştirilip üretilen silindirik elekli yer fıstığı sınıflama makinesi işlemi, DEM esaslı Ansys RockyDEM© programı ile simüle edilmiştir. Sınıflandırma makinesinde kullanılan silindirik eleğin, geleneksel yöntemlere göre, sınıflandırma verimi yüksek ve enerji maliyetleri düşüktür. Simülasyonların gerçekleştirebilmesi için bu eleğin bir katı modeli oluşturulmuştur. DEM temelli programlarda her bir fıstık tanesinin hareketi ayrı ayrı hesaplanmaktadır. Bu tür programların işletmelerde kullanılması, optimizasyon ve ürün kalitesi açısından önemli avantajlar getirmesine rağmen granül yapıda yüksek sayıda parçacıklar ciddi hesaplama maliyetleri ve güçlükleri oluşturmaktadır. Bu durum DEM tabanlı simülasyon programlarının en önemli dezavantajıdır. Bu çalışmada kullanılan sınıflama makinesi pilot ölçekte olmasına rağmen simülasyon işlemi 63 gün 18 saat 27 dakika sürmüştür. Endüstriyel ölçekte büyük sınıflama makineleri için bu sürecin çok daha fazla olacağı açıktır. Bu durum yüksek maliyetli hesaplama gerektirecektir. Bu çalışmada yapılan simülasyon sonucundan sürtünme verile elde edilmiştir. Bu tür makinelerde sınıflandırma verimliliği açısından önemli bir parametre, partiküller arası ve partikül-yüzey arası etkileşimin belirlenmesidir. Bu nedenle simülasyondan elde edilen partikül-yüzey sürtünme verilerinin modellenmesi amacıyla derin öğrenme ağlarının bir türü olan Geçitli Tekrarlayan Birim (GRU) türündeki tekrarlı ağlar kullanılmıştır. Modelleme ve tahmin performansı araştırılmıştır. Elde edilen fıstık sınıflandırma modelinde korelasyon değeri 0.88731 ve hata karesinin ortalamasının kökü 322.179 N olarak bulunmuştur. Ortalama mutlak hatanın yüzdesi ise %0.61988 olarak bulunmuştur. 100 adet iterasyon yapılmış ve hesaplamalar 6.42 s sürmüştür. Simülasyon programında bu verilerin elde edilmesinde yüksek işlem süreleri ve hesaplama güçlükleri düşünüldüğünde, bu derin öğrenme ağları, bu tip ürünlerin simülasyonunda bu zorlukların aşılmasında sınıflandırma makinelerinin üretim parametrelerinin optimize edilmesi yönünden ümit vermektedir.}, number={4}, publisher={Tekirdağ Namık Kemal Üniversitesi}, organization={Bu çalışma, kamu, ticari veya kâr amacı gütmeyen sektörlerdeki fon kuruluşlarından herhangi bir özel hibe almamıştır.}