Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
40
Lista 2024
Status:
Autorzy: Duisenbekova Aigerim, Kulisz Monika, Danilowska Alina, Gola Arkadiusz, Ryspekova Madina
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2024
Wersja dokumentu: Elektroniczna
Język: angielski
Numer czasopisma: 1
Wolumen/Tom: 12
Numer artykułu: 11
Strony: 1 - 20
Impact Factor: 2,1
Web of Science® Times Cited: 1
Scopus® Cytowania: 1
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 29 grudnia 2023
Abstrakty: angielski
In modern times, the risk of food insecurity is a concern for policymakers at the global and national levels, as the issue of hunger and malnutrition still exists. Food security is vulnerable to any crises. The main goal of this paper is to create a neural-network-based predictive model to forecast food consumption trends in Kazakhstan, aiming to reduce the risk of food insecurity. The initial phase of this study involved identifying socioeconomic factors that significantly influence food consumption behaviors in Kazakhstan. Principal component analysis was used to identify key variables, which became the basis for modelling artificial neural networks. It was revealed that the poverty rate, GDP per capita, and food price index are pivotal determinants of food consumption in Kazakhstan. Two models were prepared: to predict food consumption on a national scale per capita per month, and to predict the percentage distribution of various food categories. The prediction of the percentage distribution of various food categories in Kazakhstan demonstrates the positive modelling quality indicators and strengthens the assumption that network modelling can be used. Predictions for total food consumption over the next three years indicate declining metrics, raising concerns about the potential food insecurity risk in Kazakhstan.