Learning Based Yield Forecasting for Hazelnut Production

Abstract

Artan nüfus yoğunluğunun ve küresel ısınmadan kaynaklanan iklim değişikliklerinin tarımsal üretimin miktarı ve kalitesi üzerinde önemli etkileri bulunmaktadır. Bu nedenle dünya, gıda kıtlığı gibi ciddi problemlerle karşı karşıyadır. Dolayısıyla tarım, ülkelerin ekonomik ve sosyal kalkınma programlarında bulunan hayati bir faaliyettir. Sert kabuklu meyveler kategorisinde dünyada bademden sonra üretimi en fazla yapılan ürün fındıktır. Üretimi Türkiye, İtalya, İspanya, ABD gibi ülkelerde yoğunlaşmış olan fındığın dünyadaki talebinin yaklaşık %70'ini Türkiye karşılamaktadır. Bu nedenle, fındık üretiminde verime etki eden parametrelerin tespit edilmesi ve bu parametrelere bağlı olarak verimin tahmin edilmesi çok büyük önem arz etmektedir. Bu çalışmada, Sakarya, Düzce, Samsun, Giresun, Trabzon illerindeki ve bu illerin fındık üretimi yapılan ilçelerindeki, fındık üretimine etki eden parametreler incelenerek bir sonraki adımda elde edilecek verim tahmini yapılmıştır. Tahmin işlemi için gereken özniteliklerin eldesi için ham veri setine bazı ön işleme adımları uygulanmış, temel bileşenler analizi (Principal Component Analysis, PCA) ile öznitelik sayısı azaltılmıştır. Ön işlemeden geçen bu veriler girdi olarak, XGBoost algoritması, Yalın Uzun-Kısa Süreli Bellek (Long Short-Term Memory, LSTM) modeli, Yığılmış LSTM modeli, Konvolüsyonel Sinir Ağı (Convolutional Neural Network, CNN) modeli ve CNN-LSTM hibrit modeline verilerek tahmin işlemi gerçekleştirilmiştir. Son olarak bu yöntemlerin her biri için Ortalama Hataların Karekökü (Root Mean Square Error, RMSE) ile tahmin hatası elde edilmiş ve yöntem kıyaslamaları için kullanılmıştır. Bu sonuçlara göre, en düşük RMSE=1,32 değeriyle en iyi performans CNN-LSTM hibrit modeli ile elde edilmiştir.