E-ISSN 2667-6540
Volume : Issue : Year :


This work Licensed under the Creative Commons Attribution 4.0 International License.

Forecasting of Turkey's Grain Yield an Annual Basis By Using Multi-Layer Perceptron Neural Network: Wheat, Barley, Rye And Oat [IJABES]
IJABES. 2023; 5(1): 30-41 | DOI: 10.5505/ijabes.2023.61687

Forecasting of Turkey's Grain Yield an Annual Basis By Using Multi-Layer Perceptron Neural Network: Wheat, Barley, Rye And Oat

ZEKIYE BUDAK BASÇIFTÇI, Nazıfe Gozde Ayter Arpacıoğlu, Eyyüp Gülbandılar, Murat OLGUN
Eskisehir Osmangazi University

The objective of this study was to analyze acreage, production, and yield on cereals (wheat, barley, rye and oats), cereals in Turkey for long-term period, taking into account the changes occurred, forecasts in crop production for the future population was determined by used Multi-Layer Perceptron Neural Network Model (MLPNN). The model application was performed with software by using the time (year), population, wheat, barley, rye and oat production, croplands of wheat, barley rye and oat contents as the inputs/output variables for MLPNN, and yields of wheat yield, barley rye and oat contents. The performance of the proposed MLPNN model is very high and its use for forecasts in crop production for the future population (between R2 = 0.97 and R2=0.99 for training model)

Keywords: Cereal production, forecasting, multi-layer perceptron neural network, population, yield.

Çok Katmanlı Algılayıcı Sinir Ağları Kullanarak Türkiye'nin Tahıl Veriminin Yıllık Bazda Tahmini: Buğday, Arpa, Çavdar Ve Yulaf

ZEKIYE BUDAK BASÇIFTÇI, Nazıfe Gozde Ayter Arpacıoğlu, Eyyüp Gülbandılar, Murat OLGUN
Eskişehir Osmangazi Üniversitesi

Bu çalışmanın amacı, Türkiye'de hububat (buğday, arpa, çavdar ve yulaf), hububat ekim alanları, üretimi ve verimini, meydana gelen değişiklikleri, gelecekteki nüfus için bitkisel üretim tahminlerini dikkate alarak uzun vadeli analiz etmektir. kullanılan Çok Katmanlı Algılayıcı Sinir Ağı Modeli (MLPNN) ile belirlendi. MLPNN için girdi/çıktı değişkenleri olarak zaman (yıl), popülasyon, buğday, arpa, çavdar ve yulaf üretimi, buğday ekim alanları, arpa çavdar ve yulaf içerikleri ve buğday verimi, verimleri kullanılarak yazılım ile model uygulaması yapılmıştır. arpa çavdar ve yulaf içeriği. Önerilen MLPNN modelinin performansı çok yüksektir ve gelecekteki popülasyon için mahsul üretimindeki tahminlerde kullanımı (eğitim modeli için R2 = 0.97 ile R2 = 0.99 arasında)

Anahtar Kelimeler: Tahıl üretimi, tahmin, çok katmanlı algılayıcı sinir ağı, çeşit, verim

Corresponding Author: Nazıfe Gozde Ayter Arpacıoğlu, Türkiye
Manuscript Language: English
×
APA
NLM
AMA
MLA
Chicago
Copied!
CITE
LookUs & Online Makale