Yapay zeka tabanlı sera tipi bir kurutucunun performansının optimizasyonu
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, TARIM MAKİNELERİ VE TEKNOLOJİLERİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: GİZEM HET BATTAL
Danışman: Kamil Saçılık
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hibrit sera güneş enerjili kurutma sistemi ile farklı dilim kalınlıklarındaki (5,10,15,20,25 ve 30 mm) patlıcanın örneklerinin kurutma karakteristikleri incelenmiştir. Ortalama başlangıç nem içeriği yaklaşık 12.24 kg su/kg kuru madde olan patlıcan örnekleri, 0.09 ile 0.11 kg su/kg kuru madde arasında değişen nihai nem içeriğine kadar kurutulmuştur. Çalışmada; girdi olarak sera sıcaklığı, sera bağıl nemi, dış sıcaklık, dış bağıl nemi, rüzgar hızı ve güneş radyasyonu kullanılarak ürünün nem oranı (MR), nem içeriği (MC) ve kuruma hızı (DR) gibi kurutma karakteristikleri tahmin edilmiştir. Kurutma karakteristiklerinin tahmini yapılırken patlıcan kalınlıklarına göre ayrı ayrı olarak ele alınmıştır. Çok katmanlı algılayıcı (MLP), En yakın komşu (k-NN), Rassal orman (RF), Gauss süreci (GP) ve Destek vektör regresyonu (SVR) gibi makine öğrenimi algoritmaları ile modellenmiştir. Modellerin performansı; Belirleme katsayısı (R) , Ortalama mutlak hata (MAE), Kök ortalama kare hatası (RMSE), Kök mutlak hata (RAE) ve Kök nispi kare hatası (RRSE) gibi farklı deneme ölçütleri kullanılarak değerlendirilmiştir. Bu beş makine öğrenimi algoritması, kurutma sürecini başarılı biçimde tahmin etmiştir. Patlıcan örnekleri için nem içeriği (R=0.9992), nem oranı (R=0.9980) ve kuruma hızı (R=0.9966) olmak üzere tahminlemede en iyi RF algoritması, ardından SVR algoritması en iyi performansı göstermiştir. Yapay zeka ve makine öğrenimi yaklaşımları, kurutma karakteristiklerini tahminleme ve hibrit sera güneş enerjili kurutma için verimli bir şekilde kullanılabilir. RF algoritmasının, yapay sinir ağına (YSA) iyi bir alternatif olduğunu kanıtlamaktadır.