Çoklu doğrusal regresyon ve yapay sinir ağı modellerinin laktasyon süt verimlerine uyum yeteneklerinin karşılaştırılması

Bu çalışmada Siyah Alaca ineklerin laktasyon süt verimleri üzerine laktasyon süresi (LS), buzağılama yılı (BY) ve servis periyodunun (SP) etkisi çoklu regresyon ve yapay sinir ağı (YSA) ile modellenmiş ve modellerin uyum yetenekleri karşılaştırılmıştır. Analizler 2006, 2007 ve 2008 tarihlerinde buzağılayan toplam 305 adet Siyah Alaca ineğin ilk beş laktasyonuna ait süt verimleri üzerinde uygulanmıştır. Yapay sinir ağları modelinde tekrarlanan denemeler sonucunda seçilen mimariye göre, gizli katman sayısı bir ve bu katmandaki gizli düğüm sayısı üç olarak alınmıştır. Ayrıca yakınsama kriteri 1.10-6, maksimum iterasyon sayısı 50 ve algoritmanın sonlanması her bir çalıştırma için 20 devir (epoch) alınmıştır. Yapay sinir ağları ile çoklu regresyon modelinin iyi uyumunun karşılaştırılmasında düzeltilmiş belirleme katsayısı (R2) , hata kareler ortalamasının karekökü (Root Mean Square Error-RMSE), ortalama mutlak sapma (Mean Absolute Deviation-MAD) ve ortalama mutlak yüzde hata (Mean Absolute Percentage Error-MAPE) performans kriterleri kullanılmıştır. Analizler sonucunda yapay sinir ağları modeli ile ilk beş laktasyona ait R2 değerleri 0.62-0.85 arasında, RMSE değerleri 480.9-1682.8 arasında, MAD değerleri 325.2-1381.7 ve MAPE değerleri 6.1-20.2 arasında değişim göstermiştir. Çoklu doğrusal regresyonda ise bu değerler sırası ile R2 için 0.30 ile 0.75 arasında, RMSE için 1964.8-3008.7 arasında, MAD değeri 1576.6-2458.3 arasında ve MAPE değeri 24.7-35.6 arasında bulunmuştur. Söz konusu kriterlere göre bu modeller karşılaştırıldığında, bu çalışmada kullanılan süt verimlerinin tahminlenmesinde yapay sinir ağı modelinin çoklu doğrusal regresyon modelinden daha iyi uyum sağladığı gözlenmiştir. Dolayısıyla, yapay sinir ağlarının regresyon analizine alternatif bir metod olabileceği sonucuna ulaşılmıştır.