Tarımda günlük akaryakıt ihtiyacının makine öğrenmesi ile tahminlenmesi
Prediction of daily fuel needs in agriculture with machine learning
- Tez No: 683682
- Danışmanlar: YRD. DOÇ. DR. SEMİH YUMUŞAK, YRD. DOÇ. DR. HÜSEYİN OKTAY ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kto Karatay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tarımsal faaliyetler için kullanılan akaryakıt miktarı çeşitli etkilere göre değişim göstermektedir. Gelecekte kullanılacak olan akaryakıtın tahmin edilmesi, dağıtım firmalarının stok takibi veya lojistik ihtiyacını iyileştirmesinde katkı sağlayabilmektedir. Bu tez çalışmasında, bir sonraki güne ait akaryakıt kullanımı olup olmayacağı araştırılmış ve akaryakıt tahminleme için makine öğrenmesi algoritmaları kullanılarak karşılaştırmalı olarak analiz edilmiştir. Bunun yanı sıra, akaryakıt kullanımını etkileyen dış etkiler araştırılmıştır. Bu dış etkilerin (örn. hava durumu, akaryakıt ücreti) çiftçilerin aldığı akaryakıt miktarını etkileyip etkilemediğini görmek adına havanın yağmurlu olup olmadığı, akaryakıtın indirim veya zam alıp almadığı, hava sıcaklığındaki değişim gibi değerler veri kümesine eklenerek etkileri gözlemlenmiştir. Akaryakıt ücretlerine oluşan değişimlerin, bir sonraki gün alımlarında yüksek oranda etkisi olduğu, ayrıca yağmur yağış bilgisinin de önemli bir özellik olduğu tespit edilmiştir. Analizlerde K-en yakın komşu (K-Nearest neighbors), karar ağaçları regresyon (decision tree regression), karar ağaçları sınıflandırması (decision tree classifier), lojistik regresyon (logistic regression), destek vektör makinesi (support vector machine), rassal orman sınıflandırması (random forest classifier), sinir ağı (neural network) ve ekstrem artırılmış gradyan (Extreme Gradient Boosting, XGB) makine öğrenmesi algoritmaları uygulanmıştır. Algoritmaların kıyaslanmasında doğruluk, duyarlılık, kesinlik ve f1 skoru değerleri kullanılmıştır. Sonuçların doğruluğu için hata matrisleri kontrol edilmiştir. Buna göre en yüksek doğruluk skorunu XGB algoritması %82,514 skor ile olmuştur. Bu bağlamda, oluşturulan veri kümesinin ve önerilen veri zenginleştirme yöntemlerinin makine öğrenmesi algoritmalarına uyarlanabilir olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
The amount of fuel used for agricultural activities varies according to various effects. Estimating the fuel to be used in the future can contribute to the improvement of the inventory tracking or logistics needs of the distribution companies. In this thesis, it was investigated whether there would be fuel use for the next day and comparatively analyzed using machine learning algorithms for fuel estimation. In addition, external effects affecting the use of fuel were investigated. In order to see whether these external effects (e.g. weather, fuel price) affect the amount of fuel purchased by the farmers, values such as whether it is rainy, whether the fuel is discounted or increased, and the change in air temperature are added to the dataset and their effects are observed. It has been determined that the changes in fuel prices have a high effect on the purchases of the next day, and rain precipitation information is also an important feature. In the analysis, K-Nearest neighbors, decision tree regression, decision tree classifier, logistic regression, support vector machine, random forest classifier, neural network and Extreme Gradient Boosting, XGB machine learning algorithms were applied. Accuracy, sensitivity, precision and f1 score values were used to compare the algorithms. Confusion matrices were checked for the accuracy of the results. Accordingly, the highest accuracy score was the XGB algorithm with a score of 82.514%. In this context, it has been concluded that the created dataset and the proposed data enrichment methods are adaptable to machine learning algorithms.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Doğrusal programlama yardımı ile işletme biriminde tarımsal mekanizasyon planlaması
Başlık çevirisi yok
HANDAN YAKUT
- Bölünüme bağlı olmayan varyans çözümlemesi çoklu karşılaştırmalar ve tarımda uygulamaları
Distiribution-free analyis of variance multiple comparisons and applications in agriculture
HAMZA GAMGAM
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN