|
Bu çalışmanın amacı, tarımsal sulama sistemlerinde optimum su tüketimi, gerekli su tüketim ölçümleri için harcanan maliyet ve zamandan tasarruf sağlayan akıllı bir sulama sistemi prototipi oluşturmaktır. Bu amaç doğrultusunda, çalışmada öncelikle ayçiçeği ve ceviz bitkilerinin her bir yaşam evresi için sulama programının optimizasyonu gerçekleştirilmiştir. Bitkilerin ihtiyaç duyduğu su miktarları öncelikle iklim verileri kullanılarak bulunmuş, daha sonra bitki türüne bağlı olarak bu değerler yeniden hesaplanmıştır. Bitki türüne bağlı olarak her bir evrede ihtiyaç duyulan su miktarlarının minimum olması için uygun iklimsel koşullar Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyon (PSO) algoritması kullanılarak optimize edilmiştir. Optimize edilen verilerle her bir evre için uygun sulama programı ortaya çıkartılmıştır. İklimsel veriler ile elde edilen sulama programları daha sonra çevresel faktörler de göz önüne alınarak ceviz bitkisi için yeniden oluşturulmuş ve oluşturulan sulama programının Bulanık Mantık (BM) ve Yapay Sinir Ağları (YSA) temelli iki ayrı akıllı sulama sistemi modellemesi tarafında tahmin edilmesi sağlanmıştır. Gerçekleştirilen modellemelerde GA ile PSO kullanılarak hibrit yapılar kurulmuş ve BM ile YSA yapılarının bu optimizasyon algoritmaları ile en optimum şekilde modellenmesi sağlanmıştır. Bununla birlikte hibrit moddellerin ortaya koyduğu optimum sulama programları değerlendirilmiş ve en başarılı modele dayalı akıllı sulama sistemi modeli gerçek zamanlı oluşturularak bir prototip önerilmiştir. Önerilen akıllı sulama sistemi prototipi vahşi sulama gibi ölçümü yapılamayan ve çok fazla su tüketilen klasik yöntemlere göre daha az su tüketimi gerçekleştirmekle beraber su tüketim ölçümleri için harcanan ölçüm maliyetleri, sulama işleminin gerçekleşmesinde harcanan zaman ve insan gücünden de tasarruf sağlayacağı sonucu ileri sürülmüştür.
Anahtar Kelimeler: Akıllı sulama sistemi, Yapay Sinir Agları, Bulanık Mantık, Genetik Algoritma, Parçacık Sürü Optimizasyon Algoritması
|
|
The aim of this study is to create a smart irrigation system prototype that provides optimum water consumption in agricultural irrigation systems, energy consumed in the realization of irrigation, cost and time savings for necessary water consumption measurements. In this context, the irrigation program was optimized for each life stage of sunflower and walnut plants and the amount of water needed by the plants was first found using climate data, and then these values were recalculated depending on the plant species. Appropriate climatic conditions have been optimized using Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) algorithms in order to minimize the amount of water needed in each phase depending on the plant species. With the optimized data, the appropriate irrigation program for each phase was revealed. Irrigation programs obtained by considering climatic data were reconstructed for walnut plant considering environmental factors. The created irrigation program was estimated by two separate smart irrigation system modeling based on Fuzzy Logic (FL) and Artificial Neural Networks (ANN). While hybrid structures were established by using GA and PSO in the modeling, FL and ANN structures were modeled in the most optimal way with these optimization algorithms. Moreover, the optimum irrigation programs revealed by the hybrid models were evaluated and a prototype was proposed by creating a real-time smart irrigation system model based on the most successful model. Taking all into the consideration, compared to classical methods such as wild irrigation, which cannot be measured and consume too much water, it has been suggested that with the proposed smart irrigation system prototype, less water consumption can be realized, measurement costs spent for water consumption measurements, time spent in the realization of irrigation process and manpower can be saved.
Keywords: Smart irrigation system, Artificial Neural Network, Fuzzy Logic, Genetic Algorithm, Particle Swarm Optimization Algorithm |
