Edirne ilinin ayçiçeği üretim miktarının makine öğrenme yöntemleriyle tahmini = Estimation of sunflower production amount of Edirne province by machine learning methods

Abstract

Son yıllarda Türkiye'de en önemli yağ bitkisi olan ayçiçeği üretiminin az, tüketimin çok olması nedeniyle ihtiyacı karşılamak için yurt dışından satın alma yoluna gidilmektedir. 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. İthalat miktarının çok olması fazla stok oluşmasına, az olması talebin karşılanamamasına neden olacaktır. Bu çalışmada ayçiçeği üretim miktarını tahmin etmek amacıyla niceliksel tahmin yöntemlerinin yerine makine öğrenmesi yöntemlerinden yararlanması amaçlanmaktadır. Çünkü makine öğrenmesi yöntemleri veriler arasındaki bilinmeyen veya modellenmesi zor olan ilişkilerin kolayca belirleyebilme ve eksik verilerle tahmin yapabilme özelliklerine sahiptir. Çalışmada makine öğrenme yöntemlerinden Adaptif Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS), Yapay Sinir Ağları (YSA), doğrusal regresyon ve karar ağacından yararlanılmıştır. ANFIS yöntemi hızlı öğrenme kapasitesine ve uyum yeteneğine sahip olması nedeniyle kullanılmıştır. YSA yöntemi ise sadece karşılaştırma için sunulmuştur. ANFIS modelinin öğrenme kabiliyetini arttırmak amacıyla K-ortalamalar algoritması ile girdi değişkenlerinin üyelik fonksiyon sayıları belirlenmiştir. ANFIS, YSA, doğrusal regresyon, karar ağacı modellerinde ekilen alan büyüklüğü, nem, sıcaklık, güneşlenme süresi ve yağış miktarı gibi kriterlere göre ayçiçeği üretim miktarı tahmin edilmesi sağlanmıştır. Edirne bölgesinde bu modeller uygulanmış ve en az hata (MSE) değerini ANFIS yöntemi vermiştir. Böylece ANFIS modeli ile girdilerin değişen miktarına göre gelecek yılların üretim miktarı tahmin edilebilecektir.

Sunflower, the most important oil plant in Turkey, in recent years , has decreased in production, and as a result of the increase in consumption, it has preferred to be imported to supply the need. However, there are also difficulties in the importation of sunflower due to epidemics, natural disasters and wars in the world. Especially in terms of satisfying the need for oils, in order to meet the need sunflower, it is essential to calculate the sunflower production accurately so that it can be imported in a appropriate quantities. A large amount of imports will cause excess stocks, and a small amount will cause the demand not to be supplied. In this study, it is aimed to use machine learning methods instead of quantitative estimation methods to calculate the amount of sunflower production. Because machine learning methods have features of easily determining the unknown or difficult to model relationships between data and making predictions with missing data. In the study, machine learning methods, Adaptive Network Based Fuzzy Inference System (ANFIS), Artificial Neural Networks (ANN), linear regression and decision tree have been used. The ANFIS method has used because of its has fast learning capacity and adaptability. ANN method is presented for comparison only. In order to increase the learning capacity of ANFIS, the input variables' membership functions have been determined via K- means algorithm. The estimated production in ANFIS, ANN, linear regression, decision tree models has been calculated in accord with the such as the cultivated area, humidity, temperature and the duration of insolation and the amount of rainfall. These models have been applied in Edirne region and ANFIS has given the least error (MSE). Thus, with the ANFIS model it is to be possible to estimate the amount of production in following years depending on the changing amount of inputs.