Uso de redes neurais artificiais para a prognose dos preços do carvão vegetal em Minas Gerais

Ano: 2013 | Volume: 19 | Número: 2

Autores: Luiz Moreira Coelho Junior, José Luiz Pereira de Rezende, André Luiz França Batista, Adriano Ribeiro de Mendonça, Wilian Soares Lacerda

Palavras-chave: economia florestal, séries temporais, previsão

Resumo Português:

A energia é um importante fator de crescimento econômico e vital para a estabilidade de uma nação. O carvão vegetal é um recurso energético renovável, um dos insumos básicos responsáveis pelo desenvolvimento das indústrias de base florestal no Brasil. Objetivou-se, neste artigo, fazer a prognose para o ano de 2007 da série de preços do carvão vegetal, utilizando as Redes Neurais Artificiais. Foi utilizada a RNA perceptron de camadas múltiplas, feed-forward, cujos resultados são próximos da realidade. Os principais resultados encontrados foram: os preços reais do carvão vegetal foram declinantes no período de 1975 a 2000 e crescentes a partir do início do século XXI; a arquitetura da Rede Neural Artificial que realizou melhor previsão foi a com duas camadas escondidas; a taxa de aprendizagem mais eficiente foi de 0,99 e 600 ciclos, que representou treinamento da RNA mais satisfatório e mais preciso. A previsão, usando a RNA, se mostrou mais precisa quando comparada pelo erro quadrático médio de previsão de outros estudos para a série de preços de carvão vegetal em Minas Gerais.

Resumo Inglês:

Energy is an important factor of economic growth and is critical to the stability of a nation. Charcoal is a renewable energy resource and is a fundamental input to the development of the Brazilian forest-based industry. The objective of this study is to provide a prognosis of the charcoal price series for the year 2007 by using Artificial Neural Networks. A feedforward multilayer perceptron ANN was used, the results of which are close to reality. The main findings are that: real prices of charcoal dropped between 1975 and 2000 and rose from the early 21st century; the ANN with two hidden layers was the architecture making the best prediction; the most effective learning rate was 0.99 and 600 cycles, representing the most satisfactory and accurate ANN training. Prediction using ANN was found to be more accurate when compared by the mean squared error to other studies modeling charcoal price series in Minas Gerais state.