Yapay zeka tabanlı sera tipi bir kurutucunun performansının optimizasyonu
Optimizing the performance of an artificial intelligence-based greenhouse dryer
- Tez No: 858881
- Danışmanlar: PROF. DR. KAMİL SAÇILIK
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Hibrit sera güneş enerjili kurutma sistemi ile farklı dilim kalınlıklarındaki (5,10,15,20,25 ve 30 mm) patlıcanın örneklerinin kurutma karakteristikleri incelenmiştir. Ortalama başlangıç nem içeriği yaklaşık 12.24 kg su/kg kuru madde olan patlıcan örnekleri, 0.09 ile 0.11 kg su/kg kuru madde arasında değişen nihai nem içeriğine kadar kurutulmuştur. Çalışmada; girdi olarak sera sıcaklığı, sera bağıl nemi, dış sıcaklık, dış bağıl nemi, rüzgar hızı ve güneş radyasyonu kullanılarak ürünün nem oranı (MR), nem içeriği (MC) ve kuruma hızı (DR) gibi kurutma karakteristikleri tahmin edilmiştir. Kurutma karakteristiklerinin tahmini yapılırken patlıcan kalınlıklarına göre ayrı ayrı olarak ele alınmıştır. Çok katmanlı algılayıcı (MLP), En yakın komşu (k-NN), Rassal orman (RF), Gauss süreci (GP) ve Destek vektör regresyonu (SVR) gibi makine öğrenimi algoritmaları ile modellenmiştir. Modellerin performansı; Belirleme katsayısı (R) , Ortalama mutlak hata (MAE), Kök ortalama kare hatası (RMSE), Kök mutlak hata (RAE) ve Kök nispi kare hatası (RRSE) gibi farklı deneme ölçütleri kullanılarak değerlendirilmiştir. Bu beş makine öğrenimi algoritması, kurutma sürecini başarılı biçimde tahmin etmiştir. Patlıcan örnekleri için nem içeriği (R=0.9992), nem oranı (R=0.9980) ve kuruma hızı (R=0.9966) olmak üzere tahminlemede en iyi RF algoritması, ardından SVR algoritması en iyi performansı göstermiştir. Yapay zeka ve makine öğrenimi yaklaşımları, kurutma karakteristiklerini tahminleme ve hibrit sera güneş enerjili kurutma için verimli bir şekilde kullanılabilir. RF algoritmasının, yapay sinir ağına (YSA) iyi bir alternatif olduğunu kanıtlamaktadır.
Özet (Çeviri)
The drying characteristics of eggplant samples with different slice thicknesses (5,10,15,20,25 and 30 mm) were investigated using a hybrid greenhouse solar drying system. Eggplant samples with an average initial moisture content of about 12.24 kg water/kg dry matter were dried to a final moisture content ranging from 0.09 to 0.11 kg water/kg dry matter. In the study, drying characteristics such as moisture content (MR), moisture content (MC) and drying rate (DR) were estimated using greenhouse temperature, greenhouse relative humidity, outdoor temperature, outdoor relative humidity, wind speed and solar radiation as inputs. While estimating the drying characteristics, eggplants were considered separately according to their thickness. Machine learning algorithms such as multilayer perceptron (MLP), k-Nearest Neighbor (k-NN), Random Forest (RF), Gaussian Process (GP) and Support Vector Regression (SVR) were used for modeling. The performance of the models was evaluated using different test metrics such as coefficient of determination (R), mean absolute error (MAE), root mean square error (RMSE), root absolute error (RAE) and root relative square error (RRSE). These five machine learning algorithms successfully predicted the drying process. For eggplant samples, the RF algorithm performed best in predicting moisture content (R=0.9992), moisture content (R=0.9980) and drying rate (R=0.9966), followed by the SVR algorithm. Artificial intelligence and machine learning approaches can be efficiently used for predicting drying characteristics and hybrid greenhouse solar drying. It proves that RF algorithm is a good alternative to artificial neural network (ANN).
Benzer Tezler
- Çok amaçlı enerji verimli atölye çizelgeleme problemi için yeni bir çözüm yaklaşımı: WASPAS tabanlı NSGA-2
A new solution approach for multi-objective energy efficient job shop scheduling problem: WASPAS based NSGA-2
MİNE BÜŞRA GELEN MERT
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPARSLAN SERHAT DEMİR
- Yapay zeka tabanlı akıllı sera sistemi
Arttificial intelligence based smart greenhouse system
JAVID RZAYEV
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR MÜLDÜR
DR. ÖĞR. ÜYESİ CENGİZ SERTKAYA
- Dağıtılmış güç üretimi için solar fotovoltaik sistemin yapay zeka tabanlı hibrit kontrolü
Artificial intelligence based hybrid control of solar photovoltaic system for distributed power generation
UMAIR YOUNAS
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET AFŞİN KULAKSIZ
- Örtü altı tarım uygulamlarında yapay zekâ tabanlı tespit, teşhis, tedavi ve verim otomasyonu
Artificial intelligence based detection, desease, diagnosis, treatment and efficiency otomation for greenhouse applications
ABDİL KARAKAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELAMİ KESLER
- Management and control of distributed energy generation systems via artificial intelligence techniques
Dağıtık enerji üretim sistemlerinin yapay zeka teknikleri ile yönetim ve kontrolü
ALPER NABİ AKPOLAT
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET EMİN KUZUCUOĞLU
DR. ÖĞR. ÜYESİ ERKAN DURSUN