Özet:

Tarım alanında yürütülen çalışmalarda tahminleme mühendisliği günümüzde önemli bir noktaya gelmiş ve tahminlemede yapay sinir ağlarının (YSA) kullanımı giderek yaygınlaşmıştır. Bu çalışmada, Kahramanmaraş Sütçü İmam Üniversitesi, Avşar Yerleşkesi’nde bulunan pilot alanda yer alan toprakların, mevsime bağlı olarak değişim gösteren ıslak agregat stabilitesi (WAS) değerlerinin YSA kullanılarak tahminlenebilirliği araştırılmıştır. İstatistiksel değerlendirmelerin sonuçlarına dayanılarak seçilen toprak özellikleri bağımsız değişkenler olarak kullanılmış ve WAS’ı tahminleyen YSA’lar geliştirilmiştir. Ağ eğitiminde on iki farklı öğrenme algoritması kullanılarak gerçeğe en yakın WAS değerlerine ulaşılmaya çalışılmıştır. Eğitimde kullanılan bu farklı geri yayılım algoritmalarının performansları determinasyon katsayısı (R2), hata kareler ortalamasının karekökü (RMSE) ve ortalama mutlak hata yüzdesi (MAPE) kriterleri yardımıyla değerlendirilmiştir. Farklı algoritmaların eğitimi yoluyla oluşturulan YSA’ların R2 değerleri 0.55-0.99, RMSE değerlerinin % 2.12-11.33 ve MAPE’nin ise % 3.55-20 aralıklarında değişim göstermiştir. Geliştirilen YSA’lar WAS’ı tahminleme gücü bakımından R2 ölçütü esas alınarak birbirleri ile karşılaştırıldığında, BFGS (BFGS Quasi-Newton geri yayılım algoritması) algoritması ile eğitilen ağ hariç bütün ağların R2 değerleri 0.97 ve üzerinde bulunmuştur. Diğer taraftan, oluşturulan YSA’lar RMSE kriterine göre değerlendirildiğinde en başarılı ağın esnek geri yayılım algoritması (RP) (% 2.12) ile eğitilen ağ ve en başarısız ağın BFGS (% 11.33) algortiması ile geliştirilen ağ olduğu sonucuna ulaşılmıştır. MAPE göstergesi dikkate alındığında ise, tahminleme gücü en yüksek ağ tek adım sekand geri yayılım algoritması (OSS) (% 3.55) ile eğitilen YSA ve tahminleme gücü en düşük ağ BFGS algoritması (% 20) ile eğitilen YSA olmuştur. Elde edilen bulgular, YSA’ların doğru eğitim algoritması kullanılarak oluşturulduklarında WAS’ı tahminlemede kullanılabileceğine işaret etmektedir.

Anahtar Kelimeler: