Application of Bayesian Networks for Forecasting Future Model of Farm

Open access

Abstract

Comparative analyses in the national scale were carried out in 300 individual farms from Małopolskie and Świętokrzyskie Voivodeship in order to search for relations between the production intensity level, work performance and land efficiency and factors which shape them. The analyses concerned the use of Bayesian modelling algorithms for forecasting development of various economic and agricultural indicators which decide on the intensity and competitiveness of agriculture. The paper constitutes the second stage of research, which was preceded with previous preparation of data for modelling with the use of an exploratory overview of available data and TwoStep Cluster Analysis (Grotkiewicz et al., 2016). Based on the analyses, which were carried out, networks were built which present the relations between the analyzed variables, and conditional similarities were verified.

If the inline PDF is not rendering correctly, you can download the PDF file here.

  • Aczel A.D. (2005). Statystyka w zarządzaniu. Wydawnictwo Naukowe PWN. ISBN 83-01-14548-X.

  • ARiMR. (2016) (on-line). Dostępny w internecie: http://www.arimr.gov.pl/dla-beneficjenta/srednia-powierzchnia-gospodarstwa.html

  • Bartnik G. Kusz A. (2005). Sieci probalistyczne jako system reprezentacji wiedzy diagnostycznej. Inżynieria Systemów Bioagrotechnicznych Politechnika Warszawska. Zeszyt 5(14) 5-12.

  • Bartnik G. Kusz A. Marciniak A. W. (2006). Modelowanie procesu eksploatacji obiektów technicznych za pomocą dynamicznych sieci bayesowskich. Inżynieria Rolnicza 12(87) 9-16.

  • Gębka M. Filipiak T. (2006). Podstawy ekonomii i organizacji gospodarstw rolnych. SGGW Warszawa ISBN 83-7244-756-X.

  • Grotkiewicz K. Kuboń M. Michałek R. Peszek A. (2013). Postęp naukowo-techniczny w procesie modernizacji polskiego rolnictwa i obszarów wiejskich. Inżynieria Rolnicza ISBN 978-83-935020-5-9.

  • Grotkiewicz K. Peszek A. Kowalczyk Z. (2016). Verification of economic and agricultural indicators with the use of statistical methods on example of individual farms. Agricultural Engineering 3(159) 149-156.

  • Grzegorek J. (2012). Miejsce Polski w Europie i Świecie według wybranych danych statystycznych. Polska Akademia Nauk Tom III 286-297.

  • Jongsawat N. Tungkasthan A. Premchaiswadi W. (2010). Dynamic Data Feed to Bayesian Network Model and SMILE Web Application. Bayesian Network ISBN 978-953-307-124-4.

  • Kusz A. Marciniak A. Skwarcz J.(2015). Implementation of computation process in a bayesian network on the example of unit operating costs determination. Eksploatacja i Niezawodność – Maintenance and Reliability 17(2) 266-272.

  • Michałek R. Grotkiewicz K. Kuboń M. Sporysz M. (2010). Metodyczne aspekty określania postępu naukowo-technicznego w badaniach makro- i mikroekonomicznych. Inżynieria Rolnicza 5(123) 197-205.

  • Morzy T. (2007). Eksploracja danych. Nauka 3 83-104.

  • Oniśko A. Druzdzel M.J. Wasyluk H. (2001). Learning Bayesian network parameters from small data sets: application of Noisy-OR gates. Interniatonal Journal of Approximate Reasoning 27 165-182.

  • Sujak A. Kusz A. Rymarz M. Kitowski I. (2016). Environmental Bioindication Studies by Bayesian Network with Use of Grey Heron as Model Species. Environmental Modeling & Assessment Open Access. DOI 10.1007/s10666-016-9524-4

  • Tabor S. (2006). Postęp techniczny a efektywność substytucji pracy żywej pracą uprzedmiotowioną w rolnictwie. Inżynieria Rolnicza 10(85). ISSN 1429-7264.

Search
Journal information
Metrics
All Time Past Year Past 30 Days
Abstract Views 0 0 0
Full Text Views 334 124 10
PDF Downloads 176 90 5