Etlik Piliç Büyüme Eğrisinin Tahmininde Yapay Zeka ve Doğrusal Olmayan Modellerin Karşılaştırmalı Analizi

Abstract

Büyüme modelleri için çok sayıda matematiksel ifade geliştirilmiştir, ancak her birinin kendine has özellikleri ve sınırlamaları bulunmaktadır. Dolayısıyla bu çalışmada yapay zeka (YZ) yöntemlerinin bu modellere alternatif olup olamayacağı araştırılmıştır. Bu amaçla büyümeyi analiz etmek için dört farklı doğrusal olmayan model (NL) (lojistik, Richards, Gompertz-Laird ve von Bertalanffy) ve üç farklı YZ tekniği - yapay sinir ağları (YSA) ve uyarlamalı sinirsel bulanık çıkarım sisteminin farklı yöntemleri ( ızgara bölümleme (ANFIS-GP) ve eksiltici kümeleme (ANFIS-SC)) kullanılmıştır. Modellerin performansını değerlendirmek için ortalama mutlak hata (MAE), ortalama karekök hata (RMSE) ve ortalama mutlak yüzde hata (MAPE) gibi bazı istatistiksel yöntemler ele alınmıştır. Çalışma sonucunda ANFIS-SC modelinin en düşük MAE, RMSE ve MAPE değerleri (sırasıyla 7.68 g, 11.93 g ve %1.06) ile gerçek ağırlık verileriyle daha iyi uyum sağladığı tespit edilmiştir. Sonuç olarak YZ modellerinin etlik piliç büyüme eğrisini belirlemek için alternatif olarak kullanılabileceği belirlenmiştir.