MODELOVANIE SPOTREBY ZELENINY V SR V EURÓPSKOM KONTEXTE THE MODELLING OF THE VEGETABLE S SUPPLY IN SR IN EUROPEAN CONTEXT

Transcription

1 Tradičné a netradičné druhy rastlín vo výžive, poľnohospodárstve a rozvoji vidieka MODELOVANIE SPOTREBY ZELENINY V SR V EURÓPSKOM KONTEXTE THE MODELLING OF THE VEGETABLE S SUPPLY IN SR IN EUROPEAN CONTEXT Beáta Stehlíková Abstract: In this paper the vegetable s supply is analysed. The main goal of the paper is point to new opportunities in analysis of the per caput food supplies available for human consumption during the reference period. There are used neural network for time series prediction and fuzzy cluster analysis to discover similarity in investigate time period. The existence of the spatial autocorrelation is tested, too. Key words: vegetable, supply, spatial autocorrelation, fuzzy cluster analysis, neural network Zelenina má veľký význam z hľadiska racionálnej výživy. Vyznačuje sa nízkou energetickou hodnotou a obsahuje cenné vitamíny v aktívnej prirodzenej forme, dôležitú vlákninu, bioflavonoidy, fytoncídy, minerálne látky a iné zložky, ktoré súhrnne priaznivo pôsobia na zdravotný stav. Cieľom príspevku je modelovať spotrebu zeleniny v Európe a identifikovať miesto Slovenska v tomto kontexte. Materiál a metódy Údaje o spotrebe zeleniny v štátoch Európy boli čerpané z databázy FAO. FAO spotrebu jednotlivých potravinových komodít vykazuje ako ich ponuku (t.j. produkcia + import - export) počas hodnoteného roka prepočítanú na jedného obyvateľa. Priestorová autokorelácia spotreby bola hodnotená pomocou Moranovho I a Gearyho c koeficienta priestorovej autokorelácie. Štatistická preukaznosť koeficientov bola vzhľadom na členitosť Európy hodnotená pomocou simulácie metódou Monte Carlo (Stehlíková, 2002). Podobnosť štátov Európy z hľadiska vývoja spotreby zeleniny ako aj jej výšky v rokoch bola hodnotená pomocou fuzzy c zhlukovej analýzy (Novák, 1990). Pre predikciu spotreby zeleniny bola použitá neurónová sieť (Bishop, 1995). Výpočty týkajúce sa priestorovej autokorelácie boli uskutočnené pomocou SAS-u. Na zhlukovanie bol použitý software Syntax. Pre predikciu a modelovanie spotreby zeleniny bol použitý systém Statistica Neural Networks. Pri tvorbe neurónovej siete bol použitý pokročilý inteligentný sprievodca riešením Intelligent Problem Slover Advance. Neuróny vo vstupnej vrstve zodpovedajú hodnotám časového radu spotreby zeleniny. 260

2 Zelenina modelovanie spotreby Beáta Stehlíková Výsledky a diskusia V prvom kroku nás zaujímala priestorová autokorelácia spotreby zeleniny v Európe. Dalo by sa predpokladať, že v spotrebe existuje priestorová autokorelácia, t.j. vedľa seba sa budú nachádzať krajiny s nízkou spotrebou a taktiež krajiny s vysokou spotrebou budú susediť. Treba mať na zreteli, že v zmysle metodiky výpočtu koeficientov priestorovej autokorelácie sa štáty považujú za susedné, ak majú spoločnú hranicu. V takomto zmysle väčšina štátov Stredomoria navzájom nesusedí, napríklad Španielsko, Taliansko a Grécko. Metódou Monte Carlo bolo simulovaných v každom prípade 100 hodnôt. Aby sa potvrdila kladná priestorová autokorelácia, musí byť poradie vypočítaného Moranovho koeficientu aspoň 100(1 - α), resp. v prípade Gearyho koeficienta nanajvýš 100α. Testy priestorovej autokorelácie hypotézu kladnej priestorovej autokorelácie jednoznačne vo všeobecnosti nepotvrdili. Kladná priestorová autokorelácia na hladine významnosti α = 0,05 sa potvrdila len v roku 1994 oboma metódami, v roku 1996 pomocou Gearyho c. Na hladine významnosti α = 0,10 sa potvrdila pomocou Gearyho c vždy a pomocou Moranovho I okrem rokov 1997, 1999, Na základe dosiahnutých výsledkov môžeme konštatovať na hladine významnosti 0,10 štatisticky preukaznú slabú pozitívnu priestorovú autokoreláciu, ktorá má tendenciu klesať. Obrázok 1: Ročná spotreba zeleniny v štátoch Európy 261

3 Tradičné a netradičné druhy rastlín vo výžive, poľnohospodárstve a rozvoji vidieka Tabuľka 1: Výsledky testovania priestorovej autokorelácie Ukazovateľ Moranov koeficient I 0,2651 0,3010 0,2165 0,2217 0,2574 0,2552 0,2422 0,1991 Poradie Monte Carlo pre I Gearyho koeficient c 0,2691 0,2357 0,2671 0,2083 0,3216 0,3171 0,3329 0,2991 Poradie Monte Carlo pre c Podobnosť vývoja spotreby zeleniny v jednotlivých štátoch Európy v rokoch sme hodnotili pomocou fuzzy c zhlukovej analýzy. Koeficient všeobecnej separácie bol najvyšší (32,5825) pre dva zhluky. Pre štáty prvého zhluku je charakteristická spotreba zeleniny značne prevyšujúca európsky priemer v každom z hodnotených rokov. Naopak, pre štáty druhého zhluku je charakteristická spotreba zeleniny nižšia ako európsky priemer. Porovnanie vývoja spotreby zeleniny typických predstaviteľov zhlukov s európskym priemerom, hodnotami za Európsku úniu a Slovenskú republiku je vidieť na nasledujúcom obrázku zhluk 2.zhluk Európa Slovensko EU Obrázok 2: Vývoj spotreby zeleniny Európy, EÚ a Slovenska v porovnaní s typickými predstaviteľmi zhlukov Nevyhranené je Grécko (funkcia príslušnosti do prvého zhluku 0,7506), nakoľko jeho spotreba je výrazne vyššia ako vysoká spotreba zeleniny štátov v prvom zhluku. Nevyhranené sú aj Poľsko (0,5291), Belgicko-Luxembursko(0,6538), Bulharsko (0,6637) a Francúzsko (0,5858), ktoré majú síce spotrebu zeleniny na rok vyššiu ako je európsky priemer, resp. vyšší priemer za EÚ, ale nedosahuje hodnoty spotreby štátov v prvom zhluku. Do prvého zhluku patrí nasledovných osem štátov: Portugalsko (0,9856), Taliansko (0,9810), Macedónsko (0,9707), Bosna a Hercegovina (0,9703), Španielsko (0,9702), Albánsko (0,9354), Malta (0,8899), Rumunsko (0,8315). Taliansko (karotka) a Španielsko (rajčiaky), spolu s Francúzskom (karfiol) a Holandskom (rajčiaky) patria súčasne medzi krajiny s najvyšším podielom na vývoze zeleniny v Európskej únii. Ostatné štáty patria do druhého zhluku. 262

4 Zelenina modelovanie spotreby Beáta Stehlíková Slovensko (0,0108) je jednoznačne štátom patriacim do druhého zhluku. Spotreba zeleniny na Slovensku bola v rokoch 1993 až 1996 a v roku 2000 tesne pod spotrebou typického predstaviteľa a vo zvyšných rokoch mierne nad ňou. Najlepšia neurónová sieť pre modelovanie vývoja spotreby zeleniny v Európe je MLP viacvrstvová perceptónová sieť s trinástimi neurónmi v skrytej vrstve. V prípade EÚ najlepšia neurónová sieť sa ukázala MLP s ôsmimi neurónmi v skrytej vrstve. (a) (b) Obrázok 3: Naučené MLP modelujúce časový rad spotreby zeleniny v Európe (a) a EÚ (b) Vysoké hodnoty korelačného koeficienta medzi odhadovanými hodnotami pomocou neurónovej siete a skutočnými hodnotami spotreby zeleniny, ako aj nízke hodnoty chyby svedčia o vhodnosti neurónových sietí. Tabuľka 2: Charakteristiky neurónovej siete v jednotlivých fázach trénovacej, verifikačnej a testovacej ukazovateľ Európa EÚ trénovanie verifikácia testovanie trénovanie verifikácia testovanie Data Mean 110, , , , , ,4400 Data S.D. 6,6611 3,7931 6,7286 7,4749 7,3144 5,5957 Error Mean 0,6969-0,0439 5,3197-0,4199-0,0093 0,9628 Error S.D. 4,1455 1,4532 4,1585 3,7155 3,1920 2,9364 Abs E. Mean 3,0531 1,0188 5,8028 3,2551 2,6441 2,5128 S.D. Ratio 0,6224 0,3831 0,6180 0,4971 0,4364 0,5248 Correlation 0,7948 0,9254 0,7879 0,8688 0,9037 0,9373 Pomocou neurónových sietí je možná aj predikcia časových radov. Urobili sme ju na päť rokov od roku Takto zvolená predikcia nám umožnila porovnať predikované a skutočné hodnoty. Rozdiel v rokoch 1999 a 2000 je od 0,90 kg do 4,76 kg. Na základe výsledkov modelovania časových radov spotreby zeleniny pomocou neurónových sietí môžeme predpokladať v najbližších rokoch nárast ročnej spotreby zeleniny v štátoch Európskej únie. V rámci celej Európy sa predpokladá najskôr pokles a potom opätovný nárast spotreby zeleniny. 263

5 Tradičné a netradičné druhy rastlín vo výžive, poľnohospodárstve a rozvoji vidieka Nízky počet údajov časového radu spotreby zeleniny pre Slovenskú republiku (roky ) neumožňuje jeho korektné modelovanie pomocou neurónovej siete EÚ odhad EÚ skutočnosť Európa odhad Európa skutočnosť EÚ predikcia Európa predikacia Obrázok. 4: Spotreba zeleniny v Európe a EÚ - skutočnosť, odhad a predikcia Hodnota Spermanovho korelačného koeficienta medzi spotrebou a produkciou zeleniny v Slovenskej republike v rokoch je 0,7381. Tabuľková kritická hodnota pre n = 8 a α = 0,05 je 0,6905. Keďže absolútna hodnota Spermanovho korelačného koeficienta je väčšia než kritická hodnota, nulovú hypotézu o nezávislosti spotreby zeleniny a jej produkcie v Slovenskej republike na hladine významnosti α = 0,05 zamietame. Spotreba zeleniny na osobu a rok v Slovenskej republike v roku 2000 bola nízka len 80,6 kg. Výpočet ornej pôdy a pasienkov potrebných na zabezpečenie potravinovej produkcie je založený na odporúčaniach pre zdravú výživu, ktoré vydal DGE - Deutsche Gesellschaft fur Ernarung. Podľa tejto metodiky odporúčaná denná spotreba zeleniny na osobu a deň pre rok 2010 je 275 g, čo v prepočte na rok predstavuje spotrebu 100,4 kg na osobu. Podľa Rozvojového programu pestovania zeleniny do roku 2005 v Slovenskej republike je to až 127,8 kg na osobu a rok. Nedostatočná spotreba zeleniny v Slovenskej republike si vyžiada rozšírenie plôch určených na pestovanie zeleniny, zvyšovanie priemernej úrody ako aj dosiahnutie vyrovnaného salda bilancie zahraničného obchodu so zeleninou. Produkcia zeleniny na Slovensku v roku 1993 bola 483 tisíc ton. V nasledujúcich dvoch rokoch poklesla na 436 tisíc ton. Od roku 1996 sme zaznamenali nárast až do roku 1999, keď produkcia predstavovala 592 tisíc ton. Nárast produkcie bol spôsobený zvyšovaním pestovateľskej plochy zeleniny a miernym nárastom priemerných úrod. V roku 2000 poklesla produkcia zeleniny na Slovensku na 424 tisíc ton. Veľkosť pestovateľskej plochy poklesla v porovnaní s predchádzajúcim rokom o šesť percent. V tomto roku bolo zaznamenané výrazné zníženie priemernej úrody. 264

6 Zelenina modelovanie spotreby Beáta Stehlíková Najväčší podiel produkcie zeleniny tvorí kapusta (18 percent), rajčiaky (14), mrkva (11 percent), cibuľa (10), paprika (7) a melóny (6 percent). Týchto šesť druhov tvorí 66 percent celkovej produkcie zeleniny na Slovensku. Podľa Rozvojového programu pestovania zeleniny do roku 2005 v Slovenskej republike sa tento pomer má zachovať aj v budúcich rokoch, s výhľadom do roku 2005, kedy sa predpokladá produkcia zeleniny 864 tisíc ton. Podľa Rozvojového programu sa do roku 2005 predpokladá tiež zvýšenie priemernej hektárovej úrody za všetky druhy až na 16 t ha -1. Za hodnotené obdobie z hľadiska zahraničného obchodu so zeleninou dovoz prevyšuje vývoz. Do roku 2005 sa predpokladá dosiahnuť vyrovnané, prípadne kladné saldo bilancie zahraničného obchodu so zeleninou v prospech vývozu - zvýšiť export najmenej na tisíc ton. Súčasný import v množstve 65 tisíc ton má zostať zachovaný. Súhrn: V príspevku skúmame spotrebu zeleniny. Cieľom príspevku je poukázať na nové smery v analýze ponuky potravín určených pre spotrebu. Pre predikciu časových radov boli použité neurónové siete. Fuzzy zhluková analýza bola použitá pre odhalenie podobnosti spotreby medzi štátmi. Tiež bola testovaná existencia priestorovej autokorelácie. Kľúčové slová: zelenina, spotreba, priestorová autokorelácia, fuzzy zhluková analýza, neurónová sieť Použitá literatúra BISHOP, C: Neural networks for Pattern Recognition. Oxford: University Press, 1995 ISBN NOVÁK, V.: Fuzzy množiny a jejich aplikace. Praha: SNTL, 1990 PODANI, J.: SYN-TAX-pc. Budapest: Scientia Publishing, 1993 STEHLÍKOVÁ, B.: Priestorová štatistika. Nitra: ES SPU, 2002 Statistica Neural networks. Tulsa: Statsoft, 2000 ISBN Rozvojový program pestovania zeleniny do roku 2005; ( ) Využitie zeme; ( ) Databáza FAO; ( ) doc. RNDr. Beáta Stehlíková, CSc., Katedra štatistiky a operačného výskumu, Slovenská poľnohospodárska univerzita, Tr. A. Hlinku 2, Nitra, Slovenská republika, Beata.Stehlikova@uniag.sk 265