Sultani Çekirdeksiz Üzüm Çeşidinde Farklı Kurutma Yöntemlerinin Kurutma Kinetiği, Enerji Tüketimi ve Ürün Kalitesi Açısından İncelenmesi

Karacabey, Ersin; Aktaş, Türkan; Taşeri, Levent; Seçkin, Gamze Uysal

doi:10.33462/jotaf.578962

Cited by 5 publications

(1 citation statement)

References 15 publications

(1 reference statement)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bunun nedeni makine öğrenme metotlarının kurutma alanında yeni yeni kullanılmaya başlanmasıdır. Regresyonlarda korelasyon katsayısının 0,981 olarak elde edildiği belirtilmiştir [32]. Çalışmamızda test verisi üzerine uyguladığımız regresyonlarda 0,444-1,0 arasında korelasyon katsayısı elde edilirken eğitim verisi üzerine uyguladığımız regresyonlarda ise 0,992-1,000 arasında korelasyon katsayısı elde edilmiştir.…”

Section: Nem Tayini Deneyleriunclassified

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Kaçar

KORKMAZ

2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Gittikçe artan dünya nüfusunun gıda ihtiyacını karşılayabilmek için araştırmacılar tarımsal verimin artırılmasına yönelik yoğun bir şekilde çalışmaktadırlar. Bu çalışmaların önemli bir kısmını; zirai, katı atık vb. ürünlerin kuruma davranışının modellenmesi oluşturmaktadır. Verimli bir kurutma sayesinde kaliteli ürün ve enerji tasarrufu elde edilmektedir. Bu çalışmada yeni nesil bitki besinlerinden biri olan %25 azot, %5 fosfor ve %5 potasyum karışımının kuruma davranışı modellenmiştir. Kurumanın modellenebilmesi için sadece regresyon değil aynı zamanda makine öğrenme yöntemleri de kullanılmıştır. Makine öğrenme yöntemlerinden yapay sinir ağları ve uzun-kısa süreli bellek yöntemleri kullanılmıştır. Bu yöntemlerin hem kuruma verisini modellemede hem de ileriye yönelik verilerin tahminindeki performansları araştırılmıştır. Kurutma deneylerinden elde edilen nem verisi kullanılmıştır. Veriler eğitim, doğrulama ve test kümelerine ayrılmıştır. Performans değerlendirme kriterleri olarak hata fonksiyonları, korelasyon ve determinasyon katsayıları kullanılmıştır. Sonuç olarak yapay sinir ağı ve uzun-kısa süreli bellek metotlarının hem eğitim hem de test verileri üzerindeki tahmin performanslarının regresyon yöntemlerine göre oldukça iyi olduğu görülmüştür. Yapay sinir ağı tahmin performansının uzun-kısa süreli bellek yönteminden daha başarılı olduğu ve en iyi tahmin performansını verdiği tespit edilmiştir.

show abstract

Section: Nem Tayini Deneyleriunclassified

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Kaçar

KORKMAZ

2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

Comparison of drying kinetics, energy efficiency and color of dried eggplant slices with two different configurations of a heat pump dryer

Doymaz

Tunçkal

Göksel³

2023

Energy Sources, Part A: Recovery, Utilization, and Environmenta

View full text Add to dashboard Cite

Prediction of agricultural drying using multi-layer perceptron network, long short term memory network and regression methods

Kaçar

KORKMAZ

2022

Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi

View full text Add to dashboard Cite

One of the processes used in the production of fertilizers, which has become an important part of agriculture, is the drying process. Determination of proper drying parameters is important both in terms of product quality and production efficiency. Regression methods are used to determine the drying process parameters frequently. In this study, in addition to the regression method, machine learning techniques are also examined such as artificial neural network, long short term memory method. The data obtained from the drying process of a commercial organomineral fertilizer consisting of a mixture of 5% nitrogen and 10% phosphorus at 70˚C, 75˚C, and 80˚C were used for modelling. The simulation results obtained from the models of the methods and the data obtained from the experiments were compared. The predictions and performances of each model were presented. Determination the appropriate drying parameters is It is important for the drying efficiency of the product. In addition, model selection plays an important role in obtaining successful results in drying simulations. As a result, it has been observed that the prediction performance of the model created with the artificial neural network is more successful than the others. While regressions are efficient in modelling existing data, they are not successful in predicting. Moreover, it is not enough to predict the peak and pits in the drying data.

show abstract

Sultani Çekirdeksiz Üzüm Çeşidinde Farklı Kurutma Yöntemlerinin Kurutma Kinetiği, Enerji Tüketimi ve Ürün Kalitesi Açısından İncelenmesi

Cited by 5 publications

References 15 publications

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

N25P5K5 Türü Yeni Nesil Bir Bitki Besininin Kuruma Kinetiğinin Regresyon ve Makine Öğrenme Yöntemleri ile Belirlenmesi

Comparison of drying kinetics, energy efficiency and color of dried eggplant slices with two different configurations of a heat pump dryer

Prediction of agricultural drying using multi-layer perceptron network, long short term memory network and regression methods

Contact Info

Product

Resources

About