Traktör çeki kuvvetinin farklı makine öğrenmesi algoritmaları ile tahminlenmesi
| dc.authorid | 0009-0001-6791-8540 | |
| dc.contributor.advisor | Şeflek, Ali Yavuz | |
| dc.contributor.author | Özkan, Mete | |
| dc.date.accessioned | 2025-05-15T12:01:04Z | |
| dc.date.available | 2025-05-15T12:01:04Z | |
| dc.date.issued | 2024 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı | |
| dc.description.abstract | Traktör performans testlerinden biri olan çeki deneylerinde loadcell (yük hücresi) ile traktörün çeki demirinden çeki kuvvetinin ölçümü yapılmaktadır. Test edilen traktörlerin çeki kuvvetini etkileyen parametreler; ön ve arka aks ağırlığı, toplam ağırlık, akslar arası mesafe, ağırlık merkezinin arka aksa olan uzaklığı, çeki demirinin yerden yüksekliği, motor devri, motor-tekerlek devir oranı, hız ve patinaj olarak belirlenmiştir. 37 kW ile 67kW arasında motor gücüne sahip 80 adet traktör modelinin çeki kuvvetini etkileyen parametre verileri kullanılarak traktörün çeki kuvvetinin makine öğrenmesi algoritma modelleri ile tahmin edilerek model değerlendirme ve karşılaştırma analizi yapılmıştır. Makine öğrenmesi modeli seçiminde, mühendislik uygulamaları dikkate alınmıştır. Makine öğrenmede ve bu çalışmada kullanılan başlıca algoritma modelleri karar ağacı regresyonu (DTR) destek vektör makine regresyonu (SVMR), aşırı gradyan arttırma regresyonu (XGBoost) ve yapay sinir ağları (ANN) modelleri belirlenmiştir. Regresyon katsayısı (R2) ve ortalama hatanın karesi (RMSE) metrikleri model değerlendirme ve karşılaştırma çalışmalarında kullanılmıştır. Rstudio programında belirtilen algoritma modellerinde yapılan çalışmalar sonucunda elde edilen R2 ve RMSE değerleri incelenip algoritma modelleri karşılaştırıldığında çeki kuvvetinin tahmin edilmesinde 0.93-1.35 değerleri ile XGBoost algoritma modelinin daha başarılı bir performans gösterdiği belirlenmiştir. Tarımsal işletmelerin ihtiyacına göre uygun traktör ve traktöre uygun tarım makinesi seçiminde çeki kuvveti ihtiyacı belirleyeceği özellik olduğu için, traktörün çeki kuvvetinin tahmin yolu ile belirlenmesi amacına yönelik bu çalışma yapılmıştır. | |
| dc.description.abstract | In traction tests, which are one of the tractor performance tests, the traction force coming from the tractor's drawbar is measured with a load cell. The parameters affecting the traction force of the tested tractors were determined as; front and rear axle weight, total weight, distance between axles, distance of the center of gravity to the rear axle, height of the drawbar from the ground, engine speed, engine-wheel speed ratio, speed and skid. Using the parameter data affecting the traction force of 80 tractor models with engine powers ranging from 37 kW to 67 kW, the tractor's traction force was estimated with machine learning algorithm models, and model evaluation and comparison analyses were performed. Engineering applications were taken into consideration in the selection of the machine learning model. The main algorithm models used in machine learning and in this study are decision tree regression (DTR), support vector machine regression (SVMR), extreme slope boost regression (XGBoost) and artificial neural networks (ANN) models. Regression coefficient (R2) and root mean square error (RMSE) metrics were used in model evaluation and comparison studies. When the R2 and RMSE values obtained as a result of the studies carried out in the algorithm models specified in the Rstudio program were examined and the algorithm models were compared, it was determined that the XGBoost algorithm model showed a more successful performance in estimating the traction force with values of 0.93-1.35. Since the traction force requirement is the feature that will determine the selection of the appropriate tractor and agricultural machinery according to the needs of agricultural enterprises, this study was carried out to determine the traction force of the tractor by estimation. | |
| dc.identifier.citation | Özkan, M. (2024). Traktör çeki kuvvetinin farklı makine öğrenmesi algoritmaları ile tahminlenmesi. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya. | |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=P3dtmmHrq-mzEcmCLi1CqRGuJtU2Khl9ztoAmdfP_PBQNbL8YTcunFa2SH3kgboO | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/55029 | |
| dc.identifier.yoktezid | 922214 | |
| dc.institutionauthor | Özkan, Mete | |
| dc.institutionauthorid | 0009-0001-6791-8540 | |
| dc.language.iso | tr | |
| dc.publisher | Selçuk Üniversitesi, Fen Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Traktör Çeki Kuvveti | |
| dc.subject | Çeki Performansı | |
| dc.subject | Makine Öğrenmesi | |
| dc.subject | Tahminleme | |
| dc.subject | Traction Force | |
| dc.subject | Traction Performance | |
| dc.subject | Machine Learning | |
| dc.subject | Prediction | |
| dc.title | Traktör çeki kuvvetinin farklı makine öğrenmesi algoritmaları ile tahminlenmesi | |
| dc.title.alternative | Estimation of tractor tractive force with different machine learning algorithms | |
| dc.type | Master Thesis |
