Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Forecasting municipal waste accumulation rate and personal consumption expenditures using vector autoregressive (VAR) model

Tytuł:
Forecasting municipal waste accumulation rate and personal consumption expenditures using vector autoregressive (VAR) model
Autorzy:
Bień, Jurand
Tematy:
wskaźnik akumulacji odpadów
wydatki konsumpcyjne
prognozowanie
analiza szeregów czasowych
wielowymiarowe szeregi czasowe
model autoregresji wektorowej
waste accumulation rate
consumption expenditures
forecasting
time-series analysis
multivariate time series models
vector autoregression model
Data publikacji:
2022
Wydawca:
Stowarzyszenie Menedżerów Jakości i Produkcji
Język:
angielski
Prawa:
CC BY-SA: Creative Commons Uznanie autorstwa - Na tych samych warunkach 4.0
Źródło:
Production Engineering Archives; 2022, 28, 2; 150--156
2353-5156
2353-7779
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Accurate forecasting of municipal solid waste (MSW) generation is important for the planning, operation and optimization of municipal waste management system. However, it’s not easy task due to dynamic changes in waste volume, its composition or unpredictable factors. Initially, mainly conventional and descriptive statistical models of waste generation forecasting with demographic and socioeconomic factors were used. Methods based on machine learning or artificial intelligence have been widely used in municipal waste projection for several years. This study investigates the trend of municipal waste accumulation rate and its relation to personal consumption expenditures based on the yearly data achieved from Local Data Bank (LDB) driven by Polish Statistical Office. The effect of personal consumption expenditures on the municipal waste accumulation rate was analysed by using the vector autoregressive model (VAR). The results showed that such method can be successfully used for this purpose with an approximate level of 2.3% Root Mean Square Error (RMSE).

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies