Dergiler / Ekonomi ve Finansal Araştırmalar Dergisi / 2022 / Cilt: 4 - Sayı: 1
Ayçiçeği Üretim Miktarının ANFIS Metodu ile Tahmini
- Sayfa
- 46–55
- DOI
- —
Özet
Son yıllarda Türkiye’de en önemli yağ bitkisi olan ayçiçeği üretiminin az, tüketimin çok olması nedeniyle ihtiyacı karşılamak için yurt dışından temin edilmektedir. Ancak ayçiçeği ithalatında dünyada baş gösteren salgın hastalıklar, doğal afetler ve savaşlardan dolayı zorluklar yaşanmaktadır. Özellikle yağ ihtiyacının karşılanması noktasında ayçiçeğine olan ihtiyacın sürekli karşılanabilmesi için ayçiçeği üretim miktarının doğru olarak tahmin edilmesi gerekiyor ki uygun miktarlarda ithal edilebilsin. Çalışmada ayçiçeği üretim miktarını tahmin etmek için makine öğrenme yöntemlerinden ANFIS yöntemi kullanılmıştır. ANFIS modelinin öğrenme kabiliyetini arttırmak amacıyla K-ortalamalar algoritması ile girdi değişkenlerinin üyelik fonksiyon sayıları belirlenmiştir. ANFIS modelinde ekilen alan, nem, sıcaklık, güneşlenme süresi ve yağış miktarı gibi kriterlere göre ayçiçeği üretim miktarı tahmin edilmesi sağlanmıştır. Bu model Edirne bölgesinde uygulanmış ve 0,003243778 hata (MSE) ile tahmin sağlanmıştır. Böylece ANFIS modeliyle girdilerin değişen miktarına göre gelecek yıllar için üretim miktarı tahmin edilebilecektir.
Abstract
Sunflower, the most important oil crop plant in Turkey, In recent years, has decreased in production, and as a result of the increase in consumption, it has come to be imported in recent years. Especially in terms of satisfying the need for oils, it is essential to calculate the need so that it can be imported accordingly. In this study, ANFIS, a machine learning method, has been employed to estimate the quantity of production of sunflower. To increase the learning capacity of ANFIS, the input variables' membership functions have been specified via K-means clustering. The estimated production has been calculated in accord with the cultivated area, humidity, temperature and the duration of insolation and the amount of rainfall. This model has been applied to Edirne and the estimation has been reached with a mean squared error of 0,003243778. Thus, it is to be possible to estimate the amount of production in following years depending on the changing amounts of inputs.