Akkaraman koyun ıslahında bazı veri madenciliği metotlarının kullanımı
Use of some data mining methods in akkaraman sheep breeding
- Tez No: 946596
- Danışmanlar: PROF. DR. İSMAİL KESKİN
- Tez Türü: Doktora
- Konular: Ziraat, Biyoistatistik, Agriculture, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye gibi koyunculuğun önemli bir yer tuttuğu ülkelerde, yerli koyun ırklarının korunması ve ıslahı hem kültürel mirasın sürdürülmesi hem de kırsal ekonominin desteklenmesi açısından kritik öneme sahiptir. Akkaraman koyunlarında büyüme, gelişme ve döl verimi gibi önemli özelliklerin erken dönemde öngörülmesi ve bireysel varyasyonların daha iyi anlaşılması ile sürdürülebilir üretim için yetiştiricilere kritik bir avantaj sağlayacağı düşünülmektedir. Çalışmada Konya ili, Karatay ilçesi, Göçü ve Yarma mahallelerinde Akkaraman ırkı koyun yetiştiriciliği yapan 36 işletmeden 2012 ve 2022 yılları arasında temin edilen 138665 baş kuzuya ait doğum, canlı ağırlık ve yaşama gücü kaydı ile 2012 ve 2021 yılları arasında tespit edilen 121143 baş koyuna ait canlı ağırlık, doğum oranı ve doğum tipi verim kayıtları incelenmiştir. Bu çalışmada, Akkaraman koyunlarının bireysel verim kabiliyetlerinin önceden tahmin edilmesinde veri madenciliği algoritmalarının kullanım imkânları araştırılmıştır. Veri madenciliği sürecinin temel adımları, algoritmalar için parametre seçimi ve fenotipik gerçek verimlerin kullanıldığı uygulama örnekleri ile algoritma performansları ayrıntılı olarak açıklanmaya çalışılmıştır. Akkaraman ırkı 104498 baş koyunun koç katım zamanı canlı ağırlığına ait en küçük kareler ortalamasının 53,16 kg olduğu ve yıl, yaş ve işletme faktörlerinin etkilerinin istatistik olarak önemli olduğu tespit edilmiştir (P<0,001). Çalışmada 108015 baş Akkaraman ırkı kuzunun doğum ağırlığına ait en küçük kareler ortalamasının 4,20 kg olduğu ve doğum ağırlığı üzerine yıl, cinsiyet, doğum tipi, ana yaşı ve işletme faktörleri etkisinin istatistik olarak önemli olduğu tespit edilmiştir (P<0,001). Ayrıca, 102814 baş kuzuya ait 120'nci gün sütten kesim ağırlığına ait en küçük kareler ortalamasının 31,66 kg olduğu ve sütten kesim ağırlığı özelliği üzerine yıl, kuzu cinsiyeti, doğum tipi, ana yaşı ve işletme faktörlerinin etkilerinin istatistik olarak önemli olduğu tespit edilmiştir (P<0,001). Çalışmada kullanılan 104498 baş Akkaraman ırkı koyuna ait doğum oranının % 90,87 olduğu ve işletme, yıl ve yaş faktörlerinin etkisinin önemli olduğu tespit edilmiştir (P<0,05). Döl verimi ölçütlerinden ikiz doğum oranının çalışmada kullanılan koyunlarda % 13,83 olduğu, bu özellik üzerine işletme, yıl ve yaş faktörlerinin etkisinin önemli olduğu tespit edilmiştir (P<0,05). Ayrıca kuzuların sütten kesim dönemine kadar yaşama gücünün % 95,18 olduğu, işletme, yıl, ana yaşı, doğum tipi ve cinsiyet faktörlerinin etkisinin önemli olduğu tespit edilmiştir (P<0,05). İncelenen fenotipik verim özelikleri bakımından en yüksek varyasyonun işletme faktöründe olduğu görülmüştür. İncelenen verim kayıtlarından sürekli bağımlı değişkenlerin (koyun canlı ağırlığı, kuzu doğum ağırlığı ve kuzu sütten kesim ağırlığı) tahmin edilmesinde ağaç yapısına dayalı AdaBoost, XGBoost, Rastgele Orman, Regresyon Ağacı, CHAID, Ayrıntılı CHAID algoritmaları ile mesafe tabanlı Yapay Sinir Ağları (YSA) ve k En Yakın Komşu (k-NN) algoritmaları kullanılmıştır. Uyum iyiliği kriterleri bakımından algoritmaların yüksek performans gösteremediği, en iyi tahmin sonuçlarını sütten kesim ağırlığı için gerçekleştirdiği tespit edilmiştir. Çalışma sonucunda XGBoost ve YSA algoritmalarının Akkaraman ırkı kuzuların sütten kesim canlı ağırlığının tahmin edilmesinde kullanılabileceği sonucuna ulaşılmıştır. Doğum yapma, doğum tipi ve kuzuların yaşama durumunu ihtiva eden ikili kategorik verim özelliklerinin (Doğurmadı/Doğurdu, Tekiz/İkiz ve Ölü/Canlı) tahmin edilmesinde AdaBoost, Rastgele Orman, k-NN, Naive Bayes, Lojistik Regresyon, YSA, KStar, Ridor, Sınıflandırma Ağacı (J48), CHAID ve Ayrıntılı CHAID algoritmaları kullanılmıştır. Dengeli veri seti kullanılarak yapılan çalışmada algoritmaların koyunların doğum yapmama ve ikiz doğum yapma durumlarını yaklaşık % 70 Doğruluk oranı ile tahmin ettiği tespit edilmiştir. Kuzuların ölme ihtimali algoritmalar tarafından yaklaşık % 60 Doğruluk oranı ile tahmin edilmiştir. Benzer çalışmalarda Lojistik Regresyon, Naive Bayes ve Rastgele Orman algoritmalarının kullanılabileceği düşünülmektedir.
Özet (Çeviri)
In countries such as Turkey, where sheep breeding plays an important role, the conservation and breeding of indigenous sheep breeds is essential for preserving cultural heritage and supporting the rural economy. Early prediction of important traits such as growth, development and fertility in Akkaraman sheep and a better understanding of individual variations offer significant potential to breeders. This study analysed data collected from 36 farms engaged in Akkaraman sheep breeding, located in the Göçü and Yarma neighbourhoods of the Karatay district in Konya province. The dataset comprised birth, live weight, and survival records of 138,665 lambs born between 2012 and 2022, as well as live weight, reproductive performance (birth rate and type), and related yield records of 121,143 ewes from 2012 to 2021. This study investigated the potential of data mining algorithms to predict the individual yield performance of Akkaraman sheep. The research outlines the fundamental stages of the data mining process, details the criteria for algorithm parameter selection, and evaluates algorithm performance through applied examples based on actual phenotypic yield data. The least squares mean live weight of 104,498 Akkaraman ewes at the time of ram introduction was 53.16 kg, with year, age, and flock factors showing statistically significant effects (P<0.001). Similarly, the least squares mean birth weight of 108,015 Akkaraman lambs was 4.20 kg, and this trait was significantly influenced by year, sex, type of birth, dam age, and flock conditions (P<0.001). Furthermore, the least squares mean weaning weight at 120 days for 102,814 lambs was calculated as 31.66 kg, with year, sex, type of birth, dam age, and flock factors all having a statistically significant impacts on this trait (P<0.001). The analysis revealed that the average birth rate among 104,498 Akkaraman ewes was 90.87%, with flock, year, and age factors having statistically significant effects (P<0.05). The twin birth rate, an important indicator of fertility, was determined to be 13.83%, and this trait was significantly influenced by flock, year, and age of the ewe (P<0.05). Additionally, the survival rate of lambs until weaning was 95.18%, with flock, year, dam age, type of birth, and sex all showing significant effects (P<0.05). Among the evaluated factors, flock exhibited the greatest variation with phenotypic yield traits. In this study, tree-based algorithms such as AdaBoost, XGBoost, Random Forest, Regression Tree, CHAID, and Exhaustive CHAID, as well as distance-based algorithms including Artificial Neural Networks (ANN) and k-Nearest Neighbours (k-NN), were employed to predict continuous dependent variables derived from performance records (ewe live weight, lamb birth weight, and lamb weaning weight). The algorithms did not demonstrate high overall predictive performance based on goodness of fit criteria; however, the best results were obtained for the prediction of weaning weight. The findings suggest that the XGBoost and ANN algorithms have potential for effectively predicting weaning live weight in Akkaraman lambs. AdaBoost, Random Forest, k-NN, Naive Bayes, Logistic Regression, ANN, KStar, Ridor, Classification Tree (J48), CHAID and Exhaustive CHAID algorithms were used for the prediction of binary categorical yield traits (Lambed/Not Lambed, Single/Twin and Dead/Live). In the study using balanced data set, it was determined that the algorithms predicted the infertile and twin births of ewes with an accuracy rate of 70%. The probability of lambs dying was predicted by the algorithms with an accuracy rate of 60%. It is thought that Logistic Regression, Naive Bayes and Random Forest algorithms can be used in similar studies.
Benzer Tezler
- Genetic analysis of gastrointestinal parasite resistance and blood composition traits in akkaraman lambs
Akkaraman kuzularda parazit direnci ve kan bileşenleri özelliklerinin genetik analizi
YUNUS ARZIK
Doktora
İngilizce
2022
BiyoistatistikErciyes ÜniversitesiTarım Bilimleri ve Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET ULAŞ ÇINAR
- Şavak Akkaraman koyunlarında mastitise dirençle ilgili LAP3, MASP2 ve SIRT1 genlerinin moleküler analizi
Molecular analysis of LAP3, MASP2 and SIRT1 genes associated with mastitis resistance in Şavak Akkaraman sheep
GAMZE DALĞA
Yüksek Lisans
Türkçe
2024
GenetikMunzur ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİT CAN YAZDIÇ
- Tokat yöresinde koyun yetiştiriciliğinin bugünkü durumu ve geliştirme imkanlarının araştırılması
Başlık çevirisi yok
AHMET AKÇAY
Yüksek Lisans
Türkçe
1997
ZiraatGaziosmanpaşa ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. MUSTAFA KEMAL ÖZSOY
- Koyunlarda ruminal asidozis olaylarının yemlere sodyum bikarbonat ilavesiyle koruyucu tedavi denemeleri üzerinde çalışmalar
Başlık çevirisi yok
GÜRBÜZ GÖKÇE
- Akkaraman koyun ırkında süt verimiyle ilişkili bazı mikroRNA'ların incelenmesi
Investigation of some microRNAs associated with milk yield on white karaman sheep breed
ESRA DUMAN