Farklı Tahmin Yöntemleriyle Kurutma Makine Potansiyelinin Belirlenmesi
Öz
Kurutma işlemi, tarımsal materyallerdeki yüksek nem oranını bozulmadan depolanabileceği ortalama %7-15 aralığında kritik bir nem seviyesine kadar düşürülmesi işlemidir. Literatürde kurutma alanında birbirinden farklı ürüne veya ürün grubuna özgü çok fazla kurutucu geliştirildiği bilinmektedir. Ancak üreticiler kurutma işlemlerinde buna çok fazla dikkat etmemekte ve genellikle de kurutucu ortak kullanmaktadırlar. Bu çalışmada, Türkiye İstatistik Kurumuna (TÜİK) ait 2004-2018 yıllarındaki kurutucu sayıları kullanılarak ülkemiz ve Orta Karadeniz Bölümü için; uygulamalı ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ve yuvalanan gri model (RGPM) yöntemleriyle gelecekteki kurutucu sayılarındaki potansiyel değişim tahmin edilmiştir. Bulgulara göre, Ülkemiz için 2019, 2020 ve 2021 yılları için muhtemel ürün kurutucu sayılarının ANFIS yöntemiyle 1168, 1226 ve 1265 olarak tespit edilirken, Orta Karadeniz Bölümü için 125, 130 ve 139 olduğu bulunmuştur.
Anahtar Kelimeler
Kurutma işlemi ve makineleri, ANFIS,, RGPM,, Modelleme,, Tahmin,
Kaynakça
- Başakın, E.E., Özger, M., & Ünal, N.E. (2019). Gri tahmin yöntemi ile İstanbul su tüketiminin modellenmesi. Politeknik Dergisi, 22(3): 755-761.
- Demir, B., 2013. Mersin İlinin Tarımda Teknoloji Kullanım Projeksiyonu. Alınteri Zirai Bilimler Dergisi, 24(B), 29-34, 2013
- Demir, B., 2015. İç Anadolu Bölgesinin Bitki Koruma Makineleri Projeksiyonu. Alınteri, 28: 27-32.
- Demir, B., Kuş, E., 2016. İç Anadolu Bölgesinin Tarımda Teknoloji Kullanım Projeksiyonu. Nevşehir Bilim ve Teknoloji Dergisi TARGİD Özel Sayı 89-95.
- Deng, J.L., 1982. Grey system fundamental method. Huazhong University of Science and Technology Wuhan, China.
- Gürsoy, S., 2013. Batman İlinin Tarımsal Mekanizasyon Düzeyinin İlçeler Bazında Değerlendirilmesi. Batman Üniversitesi Yaşam Bilimleri Dergisi, 3(2): 14.
- Jang, J.SR. (1993). ANFIS : Adaptive-Network-Based Fuzzy Inference System. IEEE Transactıons on Systems, Man, and Cybernetıcs, 23(3): 665-685.
- LeCun, Y., Bengio, Y., Hinton, G. (2015). Deep learning. Nature, 521: 436–444.
- Türkiye İstatistik Kurumu, 2019. Konularına göre istatistikler www.tuik.gov.tr (Erişim Tarihi: 10.09.2019)
- Zadeh, L. A., 1965. Fuzzy Sets. Information and Control, 8: 338-353.