Repository logoRepository logoRepository logoRepository logo
Repository logoRepository logoRepository logoRepository logo
  • Communities & Collections
  • Research Outputs
  • Employees
  • AAAHigh contrastHigh contrast
    EN PL
    • Log In
      Have you forgotten your password?
AAAHigh contrastHigh contrast
EN PL
  • Log In
    Have you forgotten your password?
  1. Home
  2. Bibliografia UPP
  3. Bibliografia UPP
  4. Prediction of costs of selected silvicultural treatments by linear approximation and the Holt-Winters model
 
Full item page
Options

Prediction of costs of selected silvicultural treatments by linear approximation and the Holt-Winters model

Type
Journal article
Language
English
Date issued
2023
Author
Czech, Mateusz
Górna, Aleksandra Katarzyna 
Szczypta, Piotr
Adamowicz, Krzysztof 
Faculty
Wydział Leśny i Technologii Drewna
Journal
Sylwan
ISSN
0039-7660
DOI
10.26202/sylwan.2023081
Web address
https://sylwan-journal.pl/apex/f?p=110:10:::::P10_ARTYKUL,P10_NAZWA_PLIKU,P10_ZESZYT_NEW:2023081,18975181426329991%2F2023_11_709au.pdf,2023_11
Volume
167
Number
11
Pages from-to
709-720
Abstract (PL)
W Polsce realizowany jest wzorzec leśnictwa wielofunkcyjnego. Zrównoważony rozwój gospodarki leśnej opartej na tej zasadzie wymaga interakcji i wzajemnej kooperacji wielu obszarów gospodarczych, ekologicznych i społecznych. Lasami Skarbu Państwa zarządza Państwowe Gospodarstwo Leśne Lasy Państwowe (PGL LP), które działa na zasadzie samodzielności finansowej (przychody pokrywają koszty). Decyzje podejmowane w gospodarstwie leśnym powinny być zgodne z prawami przyrodniczymi, a także zasadami ekonomicznymi. Istotne jest zatem, aby koszty prowadzenia gospodarki leśnej, w tym koszty zabiegów hodowli lasu, znajdowały się na akceptowalnym poziomie i zarządzano nimi w sposób skuteczny. Mając na uwadze zależność kosztów hodowlanych od sytuacji rynkowej, postanowiono przetestować metody predykcji w celu zidentyfikowania ich skuteczności.
Postanowiono szczegółowo przeanalizować oraz przetestować skuteczność predykcji kosztów wybranych zabiegów hodowli lasu z wykorzystaniem metody najmniejszych kwadratów błędów (aproksymacja liniowa AL) oraz modelu Holta−Wintersa (HW). Decyzję o zastosowaniu w procesie prognostycznym metody AL podjęto, ponieważ jest ona jedną z najważniejszych i najstarszych metod w statystyce. Metoda HW została wybrana do testowania z uwagi na fakt, że należy ona do najczęściej wykorzystywanych modeli adaptacyjnych (wyrównywania wykładniczego) w prognozowaniu danych z wahaniami sezonowymi na podstawie kompletnych szeregów czasowych.
W ramach realizacji celu pracy zidentyfikowano czynności gospodarcze związane z hodowlą lasu. Do analizy wybrano 5 zabiegów: melioracji agrotechnicznej (ATI), odnowienia sztucznego (AR), pielęgnowania gleby (SM), czyszczenia wczesnego (ET) i czyszczenia późnego (LT). Dane źródłowe dotyczące analizowanych kosztów jednostkowych pozyskano z ewidencji finansowej 26 nadleśnictw Regionalnej Dyrekcji Lasów Państwowych w Krośnie. Dane pochodziły z lat 2010−−2022 i zostały pobrane z bazy danych Systemu Informatycznego Lasów Państwowych. Ponieważ podstawowy okres planistyczny w leśnictwie to 10 lat, prognozy względem roku 2021 opracowano w oparciu o szereg czasowy obejmujący okres 2011−2020, natomiast prognozy wielkości kosztów dla 2022 r. sporządzono w oparciu o szereg czasowy 2012−2021. Zidentyfikowane koszty z lat 2021 i 2022 stanowiły wielkości stanowiące punkt odniesienia trafności prognoz.
Uzyskane wyniki prognoz odniesiono do wartości rzeczywistych. Kluczowymi informacjami pozwalającymi na wnioskowanie w przedmiotowej sprawie były wyniki analiz, przy pomocy których określono MAPE. Przy użyciu analizy porównawczej prognoz udowodniono, że metodą AL uzyskiwano lepsze prognozy względem budowanych metodą HW. Wielkość błędów prognoz w układzie bezwzględnym wahała się od 1,76 zł (prognoza ET w 2021 r. wykonana metodą AL) do 458,90 zł (prognoza AR w 2022 r. wykonana metodą HW). Na 10 analizowanych prognoz 7 zbudowanych z wykorzystaniem AL wykazywało mniejszy błąd od rzeczywistych wielkości, a tylko 3 razy prognozy sporządzone za pomocą metody HW były dokładniejsze (2021 r. – SM i LT oraz 2022 r. – ATI) (tab. 1). Na uwagę zasługuje fakt, że w 2021 r. MAPE dla prognoz wykonanych za pomocą AL mieściły się w przedziale od 0,20% (ET) do 7,35% (LT). W przypadku prognoz uzyskanych za pomocą HW zidentyfikowane względne różnice między prognozami a wysokościami rzeczywistymi mieściły się w przedziale od 2,81% (ET) do 9,91% (ATI). Wszystkie prognozy były więc poniżej przyjętego progu różnicy wynoszącego 10%. W 2022 r. jakość uzyskiwanych prognoz
była gorsza. W przypadku AL tylko 2 prognozy (AR – 4,96 % i SM – 8,52%) mieściły się w dopuszczalnym poziomie MAPE. W przypadku prognoz uzyskiwanych za pomocą HW również 2 prognozy można było uznać za dobre (ATI – 5,16% i AR – 5,07%). Pozostałe prognozy charakteryzowały się MAPE powyżej 10% (tab. 1).
Uzyskane rezultaty badań wskazują na dobrą sprawdzalność prognoz AL i HW w 2021 r. i zdecydowanie gorszą w 2022 r. Należy zwrócić uwagę, że między tymi latami zaobserwowano wzrost kosztów analizowanych zabiegów hodowli lasu. Wzrost ten wynikał w dużej mierze ze zmiany uwarunkowań gospodarczych po pandemii COVID−19. W 2021 r. wprowadzono też „Opis standardu technologii wykonawstwa prac leśnych” oraz zmieniono „Katalog norm czasu dla prac wykonywanych w zagospodarowaniu lasu”. Dodatkowo w 2022 r. odnotowano duże zmiany cen paliw, co miało znaczenie dla realizacji zadań w leśnictwie. Te wydarzenia mogły mieć wpływ na precyzję sporządzonych prognoz.
Stwierdzono, że do wykonania prognoz kosztów hodowli lasu można używać obu metod, zwłaszcza w przypadku ustabilizowanej sytuacji gospodarczej. Prognozy na rok 2021 były lepsze od prognoz na rok 2022. Prognozami lepiej dopasowanymi do wartości rzeczywistych były te z wykorzystaniem metody najmniejszych kwadratów.
Abstract (EN)
The article examines the possibility of predicting the cost of the most important silvicultural treatment activities. The study used information on the executed unit cost of agrotechnical land reclamation, artificial restoration, soil management, early treatment and late treatment for the period 2010−2022. The actual cost performance data was used to forecast costs for 2021 and 2022 and compare the results with the actual (empirical) costs incurred in those years. Two forecasting methods were adopted to conduct the analysis. Linear approximation (AL) and the Holt−Winters (HW) model. The effectiveness of the predictions was estimated by calculating MAE (Mean Absolute Error) and MAPE (Mean Absolute Percentage Error). Based on the study, it was shown that the quality of forecasts obtained by both methods decreased over the period for which it was made. The cost forecasts obtained by the AL and HW methods deviated from the actual costs for AL from PLN –1.76 to PLN –448.59, and for HW from – PLN 24.68 to – PLN 458.90, respectively. The effectiveness of the forecasts ranged from –0.2% to –17.72% for AL, and from –0.62% to –17.5% for HW. The costs of the phenomena studied showed a strong upward trend in both the direction and wide amplitude of changes. The projections obtained were, in most cases, lower than the actual costs incurred in carrying out silvicultural treatments. Both methods can be used to make silviculture cost forecasts, especially when the economic situation is stable. Projections for 2021 were significantly better than those for 2022. The reasons for this phenomenon should be sought in changes in the economic and political situation (COVID 19, the war in Ukraine). The experimental research on the prediction of silviculture costs using various mathematical models should be continued. The results of the research based on heterogeneous models will provide the knowledge to begin work to create a homogeneous model for the prediction of silviculture costs in the future.
Keywords (EN)
  • forestry economics

  • prediction

  • prediction methods

  • silviculture

License
cc-bycc-by CC-BY - Attribution
Open access date
February 10, 2024
Fundusze Europejskie
  • About repository
  • Contact
  • Privacy policy
  • Cookies

Copyright 2025 Uniwersytet Przyrodniczy w Poznaniu

DSpace Software provided by PCG Academia