Geri Dön

Yapay zeka tabanlı sera tipi bir kurutucunun performansının optimizasyonu

Optimizing the performance of an artificial intelligence-based greenhouse dryer

  1. Tez No: 858881
  2. Yazar: GİZEM HET BATTAL
  3. Danışmanlar: PROF. DR. KAMİL SAÇILIK
  4. Tez Türü: Doktora
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPARSLAN SERHAT DEMİR

  2. Yapay zeka tabanlı akıllı sera sistemi

    Arttificial intelligence based smart greenhouse system

    JAVID RZAYEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR MÜLDÜR

    DR. ÖĞR. ÜYESİ CENGİZ SERTKAYA

  3. 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

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET AFŞİN KULAKSIZ

  4. 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

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELAMİ KESLER

  5. 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

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET EMİN KUZUCUOĞLU

    DR. ÖĞR. ÜYESİ ERKAN DURSUN