{"title":"通过将气象和农药使用数据整合到机器学习方法中进行农业生产预测：土耳其主要农作物的应用","authors":"Hasan Arda Burhan","doi":"10.30784/epfad.1148948","DOIUrl":null,"url":null,"abstract":"En önemli ve hayati insan faaliyetlerden biri olarak tarım, küresel, yerel ve çevresel sorunlara karşı oldukça savunmasızdır. Bu kırılganlık COVID-19 pandemisinin ilk aşamalarında da görülmüştür. Bu bağlamda, söz konusu durumların tarımsal ürünlerin talep ve fiyatlama dinamikleri üzerinde önemli etkilerinin olduğu söylenebilmektedir. Yine de tarımsal faaliyetlerin temel amacı, mahsul verimi ve üretimini iyileştirmek olduğu ifade edilebilir. Türkiye'nin hızla değişen koşullarla başa çıkabilmesi için, 11. Kalkınma Planının da ana hedeflerinden biri olarak belirtilen veriye dayalı tarımsal bilgi sistemlerini geliştirmeye devam etmesi gerekmektedir. Dolayısıyla doğru üretim miktarı tahmini, kritik bir görev olarak öne çıkmaktadır. Bu doğrultuda, 1990-2019 dönemi için meteorolojik parametreler, tarım ilacı kullanımı ve rekolteye dayalı veri setlerini kullanarak, Türkiye'deki dokuz ana mahsulün üretim miktarı tahmininde makine öğrenmesi yöntemlerinin geçerliliğinin değerlendirilmesi, bu çalışmanın temel amacı olarak ifade edilebilir. Eğitim aşamasından sonra tüm modellerle üretim miktarı tahmini yapılmış, elde edilen sonuçlar gerçek değerlerle karşılaştırılmıştır. Sonuçlara göre Karar Ağacı Regresyon (KAR) ve Rastgele Orman Regresyon (ROR) yöntemleriyle, bilhassa buğday, arpa ve mısır için başarılı tahminler alınmış, Destek Vektör Regresyon (DVR) yönteminin ise tutarsız tahminler verdiği görülmüştür.","PeriodicalId":396378,"journal":{"name":"Ekonomi, Politika & Finans Araştırmaları Dergisi","volume":"31 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Meteoroloji ve Tarım İlacı Kullanım Verilerinin Makine Öğrenmesi Yöntemlerine Entegre Edilmesi Yoluyla Tarımsal Üretim Tahmini: Türkiye’deki Başlıca Mahsuller İçin Bir Uygulama\",\"authors\":\"Hasan Arda Burhan\",\"doi\":\"10.30784/epfad.1148948\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En önemli ve hayati insan faaliyetlerden biri olarak tarım, küresel, yerel ve çevresel sorunlara karşı oldukça savunmasızdır. Bu kırılganlık COVID-19 pandemisinin ilk aşamalarında da görülmüştür. Bu bağlamda, söz konusu durumların tarımsal ürünlerin talep ve fiyatlama dinamikleri üzerinde önemli etkilerinin olduğu söylenebilmektedir. Yine de tarımsal faaliyetlerin temel amacı, mahsul verimi ve üretimini iyileştirmek olduğu ifade edilebilir. Türkiye'nin hızla değişen koşullarla başa çıkabilmesi için, 11. Kalkınma Planının da ana hedeflerinden biri olarak belirtilen veriye dayalı tarımsal bilgi sistemlerini geliştirmeye devam etmesi gerekmektedir. Dolayısıyla doğru üretim miktarı tahmini, kritik bir görev olarak öne çıkmaktadır. Bu doğrultuda, 1990-2019 dönemi için meteorolojik parametreler, tarım ilacı kullanımı ve rekolteye dayalı veri setlerini kullanarak, Türkiye'deki dokuz ana mahsulün üretim miktarı tahmininde makine öğrenmesi yöntemlerinin geçerliliğinin değerlendirilmesi, bu çalışmanın temel amacı olarak ifade edilebilir. Eğitim aşamasından sonra tüm modellerle üretim miktarı tahmini yapılmış, elde edilen sonuçlar gerçek değerlerle karşılaştırılmıştır. Sonuçlara göre Karar Ağacı Regresyon (KAR) ve Rastgele Orman Regresyon (ROR) yöntemleriyle, bilhassa buğday, arpa ve mısır için başarılı tahminler alınmış, Destek Vektör Regresyon (DVR) yönteminin ise tutarsız tahminler verdiği görülmüştür.\",\"PeriodicalId\":396378,\"journal\":{\"name\":\"Ekonomi, Politika & Finans Araştırmaları Dergisi\",\"volume\":\"31 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-24\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ekonomi, Politika & Finans Araştırmaları Dergisi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30784/epfad.1148948\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ekonomi, Politika & Finans Araştırmaları Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30784/epfad.1148948","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Meteoroloji ve Tarım İlacı Kullanım Verilerinin Makine Öğrenmesi Yöntemlerine Entegre Edilmesi Yoluyla Tarımsal Üretim Tahmini: Türkiye’deki Başlıca Mahsuller İçin Bir Uygulama
En önemli ve hayati insan faaliyetlerden biri olarak tarım, küresel, yerel ve çevresel sorunlara karşı oldukça savunmasızdır. Bu kırılganlık COVID-19 pandemisinin ilk aşamalarında da görülmüştür. Bu bağlamda, söz konusu durumların tarımsal ürünlerin talep ve fiyatlama dinamikleri üzerinde önemli etkilerinin olduğu söylenebilmektedir. Yine de tarımsal faaliyetlerin temel amacı, mahsul verimi ve üretimini iyileştirmek olduğu ifade edilebilir. Türkiye'nin hızla değişen koşullarla başa çıkabilmesi için, 11. Kalkınma Planının da ana hedeflerinden biri olarak belirtilen veriye dayalı tarımsal bilgi sistemlerini geliştirmeye devam etmesi gerekmektedir. Dolayısıyla doğru üretim miktarı tahmini, kritik bir görev olarak öne çıkmaktadır. Bu doğrultuda, 1990-2019 dönemi için meteorolojik parametreler, tarım ilacı kullanımı ve rekolteye dayalı veri setlerini kullanarak, Türkiye'deki dokuz ana mahsulün üretim miktarı tahmininde makine öğrenmesi yöntemlerinin geçerliliğinin değerlendirilmesi, bu çalışmanın temel amacı olarak ifade edilebilir. Eğitim aşamasından sonra tüm modellerle üretim miktarı tahmini yapılmış, elde edilen sonuçlar gerçek değerlerle karşılaştırılmıştır. Sonuçlara göre Karar Ağacı Regresyon (KAR) ve Rastgele Orman Regresyon (ROR) yöntemleriyle, bilhassa buğday, arpa ve mısır için başarılı tahminler alınmış, Destek Vektör Regresyon (DVR) yönteminin ise tutarsız tahminler verdiği görülmüştür.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
