Kümes içi çevre koşullarının belirlenmesinde deterministik ve stokastik yöntemlerin kullanımı

Abstract

Bu çalışma bazı kümes içi çevre parametrelerin (sıcaklık, bağıl nem, hava akım hızı ve amonyak konsantrasyonu) ve altlık kalite özelliklerin (altlık nem içeriği, altlık sıcaklığı ve altlık pH) tahmin edilmesinde sayısal, jeoistatistiksel ve yapay zeka yöntemlerinin uygunluğunun belirlenmesi amacıyla yürütülmüştür. Araştırma Samsun ili Kavak ilçesinde bulunan ticari etlik piliç işletmesinde farklı yetiştirme dönemlerinde gerçekleştirilmiştir. Çalışmada kümes içi çevre koşullarını değerlendirmek amacıyla 57 farklı noktada hayvan, insan ve çatı seviyesinden olacak şekilde ölçümler yapılmıştır. Altlık kalite özelliklerini belirlemek amacıyla ise 80 farklı noktadan örnekler alınmıştır. Ticari üretim yapan büyük işletmeler için kümes içi çevre koşullarının belirlemesinde doğrudan ölçüm yönteminin uygulanması zordur. Bu çalışmada bunun yerine uygulanması daha kolay, zamandan ve işgücünden tasarruf sağlayabilecek hesaplamalı akışkanlar dinamiği (HAD) yöntemi kullanılmıştır. HAD yöntemi sayesinde kümes içinde ortaya çıkan sorunlar tespit edilmiş ve buna göre kümes tasarımında iyileştirilmeler yapılmıştır. Ölçülen değerler kullanılarak doğrulaması yapılan sayısal yöntem, kümes içi sıcaklık, bağıl nem, hava akım hızı ve amonyak konsantrasyon değerlerini sırasıyla ortalama %1.13, %1.58, %16.84 ve %3.03 bağıl hata ile belirlemiştir. Veri setinin uzaysal devamlılığını ve değişimini modelleyen jeoistatistiksel yöntemler kullanılarak da kümes içindeki sorunlu bölgeleri tespit etmek mümkündür. Çalışmada kümes içi sıcaklık, bağıl nem, hava akım hızı ve amonyak konsantrasyon değerleri sırasıyla ortalama %0.49, %0.57, %2.48 ve %0.71 bağıl hata ile tahmin edilmiştir. Bu yöntemlerde örnek alınan noktalardaki verileri kullanılarak diğer noktalar tahmin edildiğinden HAD yöntemine göre daha düşük hata değerleri ortaya çıkmıştır. Ayrıca jeoistatistiksel yöntemler kullanılarak altlık nem içeriği, altlık sıcaklığı ve altlık pH değeri sırasıyla ortalama %1.45, %1.14 ve %0.51 bağıl hata ile belirlenmiştir. Yapay zeka yöntemlerinin kullanıldığı bölümde ise, kümeslerde ölçümü zor fakat işletmeler için büyük öneme sahip olan amonyak konsantrastonu, hayvan canlı ağırlığı ve havalandırma miktarı sırasıyla %4.84, %2.21 ve %19.96 bağıl hata oranlarıyla tahmin edilmiştir. Sonuç olarak kümes içi iklimsel çevre ve altlık kalite özelliklerinin belirlenmesinde HAD, jeoistatistiksel ve yapay zeka yöntemlerinin etkili bir araç olarak kullanılabileceği belirlenmiştir.

This study was conducted to determine the most appropriate deterministic and stochastic methods that can be used to estimate some indoor environmental parameters (temperature, relative humidity, air velocity and ammonia concentration) and litter quality characteristics (litter moisture content, litter surface temperature and litter pH). The research was carried out in a commercial broiler farm in Samsun city Kavak district during different rearing periods. In this study, measurements were taken at 57 different points at the bird, human, and roof levels to evaluate the indoor environmental conditions. To determine the litter quality characteristics, samples were taken from 80 different points. At the outset, it is important to note the difficulty in applying the direct measurement method in determining the indoor environmental conditions for large commercial enterprises. In this study, the computational fluid dynamics (CFD) method was used, as it is easier to apply and saves time and labor. Thanks to the CFD method, problems with the poultry farm design were identified and improvements were made accordingly. The numerical method provided verification by using the measured values to determine the indoor air temperature, air relative humidity, airspeed, and ammonia concentration values with average relative errors of 1.13%, 1.58%, 16.84%, and 3.03%, respectively. It is possible to identify problematic areas in the poultry farm by using geostatistical methods that model the spatial continuity and changes of the data set. In the study, indoor air temperature, air relative humidity, airspeed, and ammonia concentration values were estimated with average relative errors of 0.49%, 0.57%, 2.48%, and 0.71%, respectively. These methods also revealed lower error values compared to the CFD method, since unsampled points were estimated using the data from the sampled points. In addition, using geostatistical methods, litter moisture content, litter surface temperature, and litter pH value were determined with average relative errors of 1.45%, 1.14%, and 0.51%, respectively. In the section in which artificial intelligence methods were used, ammonia concentration, broilers' weights, and ventilation amounts, all of which are difficult to measure but are of great importance for poultry enterprises were estimated with error rates of 4.84%, 2.21%, and 19.96%, respectively. As a result, it were determined that CFD, geostatistical and artificial intelligence methods can be used as an effective tool in determining indoor climatic environmental conditions and litter quality characteristics of poultry farm.