Predição do preço da raiz da mandioca por rede neural na microrregião de Assis-SP

Abstract

A partir da importância do agronegócio no mundo e a dimensão que a cultura da mandioca tem para o Brasil e o estado de São Paulo, aumenta-se cada vez mais a necessidade de reunir informações estratégicas para subsidiar os investimentos nesta área. A tecnologia da informação oferece uma variedade muito grande de ferramentas importantes para que o agricultor consiga reunir informações para o seu processo operacional e busque otimizar seus resultados. Buscando obter uma visão futura a partir de informações do passado a ideia de predição futura acaba se tornando um aliado muito importante nas tomadas de decisões estratégicas no agronegócio. Esse trabalho teve como objetivo analisar uma série temporal semanal de 2011 a 2021, do preço da raiz da mandioca, da sub-região de Assis – SP, a partir da construção e treinamento de uma rede neural recorrente LSTM (Long short-term memory). A abordagem por uma rede neural recorrente foi escolhida a fim de evitar problemas comuns na análise preditiva de uma sequência de dados. A rede neural foi avaliada pelas métricas da raiz do erro quadrático médio (RMSE), erro absoluto médio percentual (MAPE) e a estatística U de Theil. O melhor resultado apresentado pela rede neural com os parâmetros escolhidos foi de um percentual de erro de apenas 3.84%. O uso e estudo de um modelo como esse permite agregar informações iniciais para trabalhos mais profundos e específicos.