Hayvancılıkta süt verimini etkileyen bazı faktörlerin (yaş, canlı ağırlık, çevre ısısı ve kuruda kalma süresi) yapay sinir ağları ile modellenmesi
Modeling of some factors affecting the milk yield in livestock (age, body weight, ambient temperature and dry time) by artificial neural networks
- Tez No: 654488
- Danışmanlar: DR. ÖĞR. ÜYESİ AYCAN MUTLU YAĞANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 41
Özet
Amaç: Erzurum ili, Pasinler ilçesine bağlı 2 özel işletmede bulunan Siyah Alaca ırkına ait ineklerden veriler alınmıştır. Bu hayvanlara ait süt verimi, canlı ağırlık, sağım süresi, dış sıcaklık, iç sıcaklık değerleri 90 gün boyunca düzenli olarak kaydedilmiştir. Yapay sinir ağları modelinin çoklu doğrusal regresyon modeline göre avantaj ve dezavantajların tespit edilmesi çalışmanın başlıca amacı olup, bu model ile daha isabetli tahminler yaparak en ekonomik süt verimini hangi faktörlerin etkili olduğu belirlenmiştir ve bu modelin alternatif olarak kullanılabileceği tespit edilmiştir. Yöntem: Çalışmada süt veriminin tahmini için Yapay Sinir Ağları(YSA) ve Çoklu Doğrusal Regresyon Analizi(ÇDR) yapılmış. Her yaklaşımın kendisine ait avantaj ve dezavantajlar gözlenerek benzer çalışmalarda daha uygun olan modelin seçilmesi için bu iki model için karşılaştırmalar yapılmıştır. Yapay sinir ağları ve çoklu doğrusal regresyon analizleri için SPSS programı kullanılmıştır. Bulgular: Çoklu regresyonda belirleme katsayısı (R2) değeri %95,0 ile sağım süresi, canlı ağırlık, dış sıcaklık, iç sıcaklık değişkenlerini açıklama gücünü gösterir. Yapay sinir ağlarında elde edilen R2 %94,9 çoklu regresyon değerine oldukça yakındır. Ayrıca çoklu regresyon analizi ile sağım süresi ve iç sıcaklık değişkenlerin seçilen %5 anlamlılık seviyesinde süt verimi üzerinde önemli bir katkısı olduğu tespit edilmiştir(P=0,0000,05) canlı ağırlık bağımsız değişkeni (P=0,353>0,05) regresyona önemli bir katkısı olmadığı tespit edilmiştir. Yapay Sinir Ağlarında ise süt verimini en çok sağım süresi (%49,2) sırasıyla iç sıcaklık (%37,0), dış sıcaklık (%9,2) ve canlı ağırlık (%4,5) oranlarında etkilediği sonucuna ulaşılmıştır. Sonuç: İki model arasında yapılan karşılaştırma sonucunda yapay sinir ağı modeli çoklu doğrusal regresyon modeli ile oldukça yakın sonuçlar vermiş olup, özellikle açıklama gücü yüksek ve çoklu bağlantının olduğu modellerde kullanılması avantaj sağlamaktadır. acaktır.
Özet (Çeviri)
Objective: The data of animals 2 private farms in Erzurum province, Pasinler district were collected. Milk yield, live weight, milking time, outside temperature, internal temperature values of these animals were recorded regularly for 90 days. The aim of the thesis is to determine the advantages and disadvantages of Artificial Neural Networks compared to other models, and it has been determined which factors affect the most economical milk yield by making more accurate predictions with this model, and it has been determined that this model will be used as an alternative. Method: Artificial Neural Networks and Multiple Linear Regression Analysis were used for the estimation of milk yield in the study. By observing the advantages and disadvantages of each approach, comparisons were made for these two models in order to select the more suitable model in similar studies. SPSS program was used for Artificial Neural Networks and Multiple Linear Regression Analysis. Results: The coefficient of determination (R2) value of 95,0% in multiple regression indicates the power to explain the variables of milking time, live weight, external temperature, internal temperature. The obtained in artificial neural networks is very close to the R2 94.9% multiple regression value. In addition, with the multiple regression analysis, milking time and internal temperature variables had a significant contribution on milk yield at the selected 5% significance level (P = 0.000 0.05) and the body weight independent variable (P = 0.353> 0.05) did not significantly contribute to the regression. In Artificial Neural Networks, it was concluded that milk yield mostly affects milking time (49.2%), then internal temperature (37,0%), external temperature (9,2%), live weight (4,5%). Conclusion: As a result of the comparison between the two models, the artificial neural network model gave very close results with the multiple linear regression model, and it is especially advantageous to use it in models with high explanatory power and multiple connections. urulacaktır.
Benzer Tezler
- Ankara keçisinin süt verimi ve süt verimini etkileyen faktörler üzerinde bir araştırma
A Study on the milk production of angora goat and some factors affecting the milk yield
AHMET TATAROĞLU
- Diatomitin parazitlerle enfekte kilis keçilerinde kan ve serum değerleri üzerine etkilerinin incelenmesi
Examining the effects of diatomite on blood and serumvalues in kilis goats infected with parasites
MEHMET ŞEVKİ ÇADIRCI
- Süt sığırcılığı işletmelerinde kaba yem bitkisi üretim kararlarını etkileyen faktörlerin belirlenmesi: Erzurum, Erzincan, Bayburt ve Kars örneği
Determination of factors affecting forage crop production decisions in dairy cattle farms: The case of Erzurum, Erzincan, Bayburt and Kars
GÖKHAN TAŞĞIN
- Kahramanmaraş yöresinde yumurta tavuğu kümeslerinin fiziksel ve teknik yeterliliklerinin araştırılması
Investigating structural and technical sufficiency of laying houses in Kahramanmaraş region-Turkey
YUNUS ÖZTÜRK
Doktora
Türkçe
2003
ZiraatTrakya ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
PROF. DR. LOKMAN DELİBAŞ