Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/18516 |
Resumo: | Family farming is characterized as any form of land cultivation managed by a family, employing its own members as the main labor force. Most agricultural establishments in Brazil fit this definition, however, the area occupied by these farmers and the available resources are much smaller compared with that of large agricultural companies. With limited area and resources, it is extremely important that small farmers are able to optimize their production to ensure the sustainability of their business. The objective of this work is to study and compare the performance of different machine learning techniques in the task of predicting time series of horticultural products prices for short term periods, in order to help small farmers to negotiate a fair price for their merchandise. From the results obtained by the induced models, it was possible to conclude that the Random Forests, Support Vector Regression and Long Short-Term Memory techniques have a similar performance in the task of predicting prices of fruits and vegetables. In addition, the models have the potential to be used as tools capable of assisting producers when selling their merchandise. |
id |
SCAR_084600c0431fe77b010071ff647029d7 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/18516 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Godinho, Rodrigo LemosValejo, Alan Demétrius Bariahttp://lattes.cnpq.br/9546164790189830http://lattes.cnpq.br/90978608142215842ca2a17b-4836-4d27-9ce7-c643c66918b62023-09-05T18:31:10Z2023-09-05T18:31:10Z2023-08-29GODINHO, Rodrigo Lemos. Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18516.https://repositorio.ufscar.br/handle/ufscar/18516Family farming is characterized as any form of land cultivation managed by a family, employing its own members as the main labor force. Most agricultural establishments in Brazil fit this definition, however, the area occupied by these farmers and the available resources are much smaller compared with that of large agricultural companies. With limited area and resources, it is extremely important that small farmers are able to optimize their production to ensure the sustainability of their business. The objective of this work is to study and compare the performance of different machine learning techniques in the task of predicting time series of horticultural products prices for short term periods, in order to help small farmers to negotiate a fair price for their merchandise. From the results obtained by the induced models, it was possible to conclude that the Random Forests, Support Vector Regression and Long Short-Term Memory techniques have a similar performance in the task of predicting prices of fruits and vegetables. In addition, the models have the potential to be used as tools capable of assisting producers when selling their merchandise.A agricultura familiar é caracterizada como toda forma de cultivo de terra administrada por uma família, empregando como principal mão de obra seus próprios membros. A maior parte dos estabelecimentos agrícolas do Brasil se enquadram nessa definição, contudo, a área ocupada por esses agricultores e os recursos disponíveis são muito inferiores em comparação aos grandes produtores. Com área e recursos diminutos, é de suma importância que os pequenos agricultores sejam capazes de otimizar sua produção para garantir a sustentabilidade do seu negócio. O objetivo deste trabalho é estudar e comparar o desempenho de diferentes técnicas de Aprendizado de Máquina na tarefa de predição de séries temporais do preço de produtos hortifrutícolas para períodos de curto prazo, a fim de auxiliar os pequenos agricultores na negociação de um preço justo para sua mercadoria. A partir dos resultados obtidos pelos modelos induzidos, foi possível concluir que as técnicas de Florestas Aleatórias, Regressão por Vetores Suporte e Redes de Memória Longa de Curto Prazo têm um desempenho parecido na tarefa de predição de preços de produtos hortifrutícolas. Além disso, os modelos apresentam potencial para serem utilizados como ferramentas capazes de auxiliar o produtor no momento de venda dos seus produtos.Não recebi financiamentoporUniversidade Federal de São CarlosCâmpus São CarlosEngenharia de Computação - ECUFSCarAttribution-ShareAlike 3.0 Brazilhttp://creativecommons.org/licenses/by-sa/3.0/br/info:eu-repo/semantics/openAccessAprendizado de máquinaSéries temporaisAnálise preditivaHortifrutícolasMachine learningTime seriesForecastingHorticulturalCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOAnálise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolasComparative analysis between machine learning techniques applied to predict prices of horticultural productsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis60060026707d32-df20-4d5f-8bcc-e78dbb278b98reponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALTCC_Rodrigo_Lemos_Godinho.pdfTCC_Rodrigo_Lemos_Godinho.pdfTCC_Rodrigo_Lemos_Godinhoapplication/pdf1692459https://repositorio.ufscar.br/bitstream/ufscar/18516/1/TCC_Rodrigo_Lemos_Godinho.pdf3d2a7c2e157d7ecd295a52fe2d6a671dMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81030https://repositorio.ufscar.br/bitstream/ufscar/18516/2/license_rdfc6e5ca9ee4112329286834c9257d9d4cMD52TEXTTCC_Rodrigo_Lemos_Godinho.pdf.txtTCC_Rodrigo_Lemos_Godinho.pdf.txtExtracted texttext/plain76101https://repositorio.ufscar.br/bitstream/ufscar/18516/3/TCC_Rodrigo_Lemos_Godinho.pdf.txte25ac2ab9885e6a6887c4444a1119eceMD53ufscar/185162024-05-14 17:44:25.979oai:repositorio.ufscar.br:ufscar/18516Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222024-05-14T17:44:25Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
dc.title.alternative.eng.fl_str_mv |
Comparative analysis between machine learning techniques applied to predict prices of horticultural products |
title |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
spellingShingle |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas Godinho, Rodrigo Lemos Aprendizado de máquina Séries temporais Análise preditiva Hortifrutícolas Machine learning Time series Forecasting Horticultural CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
title_short |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
title_full |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
title_fullStr |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
title_full_unstemmed |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
title_sort |
Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas |
author |
Godinho, Rodrigo Lemos |
author_facet |
Godinho, Rodrigo Lemos |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/9097860814221584 |
dc.contributor.author.fl_str_mv |
Godinho, Rodrigo Lemos |
dc.contributor.advisor1.fl_str_mv |
Valejo, Alan Demétrius Baria |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/9546164790189830 |
dc.contributor.authorID.fl_str_mv |
2ca2a17b-4836-4d27-9ce7-c643c66918b6 |
contributor_str_mv |
Valejo, Alan Demétrius Baria |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Séries temporais Análise preditiva Hortifrutícolas |
topic |
Aprendizado de máquina Séries temporais Análise preditiva Hortifrutícolas Machine learning Time series Forecasting Horticultural CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Machine learning Time series Forecasting Horticultural |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
description |
Family farming is characterized as any form of land cultivation managed by a family, employing its own members as the main labor force. Most agricultural establishments in Brazil fit this definition, however, the area occupied by these farmers and the available resources are much smaller compared with that of large agricultural companies. With limited area and resources, it is extremely important that small farmers are able to optimize their production to ensure the sustainability of their business. The objective of this work is to study and compare the performance of different machine learning techniques in the task of predicting time series of horticultural products prices for short term periods, in order to help small farmers to negotiate a fair price for their merchandise. From the results obtained by the induced models, it was possible to conclude that the Random Forests, Support Vector Regression and Long Short-Term Memory techniques have a similar performance in the task of predicting prices of fruits and vegetables. In addition, the models have the potential to be used as tools capable of assisting producers when selling their merchandise. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-09-05T18:31:10Z |
dc.date.available.fl_str_mv |
2023-09-05T18:31:10Z |
dc.date.issued.fl_str_mv |
2023-08-29 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
GODINHO, Rodrigo Lemos. Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18516. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/18516 |
identifier_str_mv |
GODINHO, Rodrigo Lemos. Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18516. |
url |
https://repositorio.ufscar.br/handle/ufscar/18516 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
600 600 |
dc.relation.authority.fl_str_mv |
26707d32-df20-4d5f-8bcc-e78dbb278b98 |
dc.rights.driver.fl_str_mv |
Attribution-ShareAlike 3.0 Brazil http://creativecommons.org/licenses/by-sa/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-ShareAlike 3.0 Brazil http://creativecommons.org/licenses/by-sa/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Engenharia de Computação - EC |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Engenharia de Computação - EC |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/18516/1/TCC_Rodrigo_Lemos_Godinho.pdf https://repositorio.ufscar.br/bitstream/ufscar/18516/2/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/18516/3/TCC_Rodrigo_Lemos_Godinho.pdf.txt |
bitstream.checksum.fl_str_mv |
3d2a7c2e157d7ecd295a52fe2d6a671d c6e5ca9ee4112329286834c9257d9d4c e25ac2ab9885e6a6887c4444a1119ece |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136426581590016 |