Prognozowanie wskaźnika nagromadzenia odpadów w ujęciu zmian osobistych wydatków konsumpcyjnych za pomocą modelu wektorowo-autoregresyjnego

Prognozowanie ilości wytwarzanych odpadów komunalnych jest ważne dla planowania, eksploatacji i optymalizacji prawidłowo funkcjonującego systemu gospodarki odpadami komunalnymi. Nie jest to jednak łatwe zadanie ze względu na szereg dynamicznych zmian będących wynikiem przeobrażeń demograficznych, społecznych, ekonomicznych, czasem wręcz nieprzewidywalnych. Początkowo do prognozowania stosowano głównie konwencjonalne, opisowe modele statystyczne prognozowania wytwarzania odpadów z uwzględnieniem czynników demograficznych i społeczno-ekonomicznych. Obecnie jednak coraz częściej metody te zastępowane są przez metody oparte na uczeniu maszynowym, które to stanowi podzbiór sztucznej inteligencji. Uczenie maszynowe to nic innego jak nauczenie komputerów, jak uczyć się na danych i doskonalić w miarę zdobywania doświadczenia. W niniejszej publikacji przeanalizowano zmiany wskaźnika nagromadzenie odpadów komunalnych w jego relacji do wydatków na osobistą konsumpcję w oparciu o dane pozyskane z Banku Danych Lokalnych (BDL) prowadzonego przez Główny Urząd Statystyczny. Analiza, a następnie prognoza przeprowadzona została z wykorzystaniem modelu wektorowo-autoregresyjnego, gdzie każda ze zmiennych opisana została osobnym równaniem modelu, w którym zmiennymi niezależnymi są opóźnienia wszystkich zmiennych zależnych. Uzyskane wyniki pokazały, że taka metoda może być z powodzeniem stosowana do prognozowania wskaźnika nagromadzenia odpadów w ujęciu zmian osobistych wydatków konsumpcyjnych przy przybliżonym poziomie 2,3% błędu średniokwadratowego (RMSE).

Forecasting the amount of municipal waste generated is important for the planning, operation and optimization of a properly functioning municipal waste management system. However, it is not an easy task due to a number of dynamic changes resulting from demographic, social and economic transformations, some of them unpredictable. Initially, mainly conventional, descriptive statistical models of forecasting waste generation, taking into account demographic and socio-economic factors, were used for prognosis. Currently more and more often these methods are replaced by methods based on machine learning, which is a subset of artificial intelligence. Machine learning teaches computers to learn from data and improve the model as they gain experience. The chapter analyses the changes in the municipal waste accumulation ratio in relation to expenditure on personal consumption based on data obtained from the Local Data Bank (LDB) run by the Polish Central Statistical Office. The analysis, and then the forecasting, was carried out with the use of a vector-autoregressive model, where each variable was described with a separate model equation, in which the independent variables are the delays of all dependent variables. The results showed that such a method can be successfully used to forecast the waste accumulation rate in terms of changes in personal consumption expenditure at an approximate level of 2.3% mean square error (RMSE).