Yapay sinir ağlarında geri yayılım algoritmalarının performans karşılaştırılması üzerine bir tahminleme çalışması

Abstract

Bu çalışmada, süt sığırı ahırlarında ölçülen barınak içi sıcaklık-nem indeksi (SNİ)'ni tahmin etmek amaçlı bir yapay sinir ağı modeli geliştirilmiştir. Analizde, Kahramanmaraş ili Dereköy bölgesinde bulunan 30 başlık kapalı duraklı süt sığırı ahırlarında günün farklı saatlerinde ölçüm (sabah saat:07:00, öğlen saat: 14:00 ve akşam saat: 21:00) yapan veri kaydedicilerden alınan toplam 4548 adet kayıt değerlerinden yararlanılmıştır. Araştırmada, kuru termometre sıcaklığı (0C), çiğlenme noktası sıcaklığı (0C) ile vericilerin saat aralıkları giriş verileri, SNİ değerleri de çıkış verileri olmak üzere üç giriş, bir ara katman ve bir çıkıştan oluşan ağ yapısı kullanılmıştır. Ağın eğitilmesinde on üç farklı geri yayılım algoritması denenmiş ve performans kriterleri bakımından hata kareler ortalamasının karekökü (RMSE), ortalama mutlak hata (MAE), ortalama mutlak yüzde hata (MAPE) değerlerine göre karşılaştırılmıştır. Sonuç olarak, Bayesian Regularization (BR) algoritmasının kullanıldığı YSA modelinin, SNİ değerlerini tahmin etmede gerçek değerlere çok yakın sonuçlar verdiği görülmüştür [MAE: 0.0035, 0.0055, 0.0084; MAPE(%):0.0061, 0.0081,0.0116; RMSE: 0.0079, 0.0117,0.0396]