Estimativa da produção da soja brasileira utilizando redes neurais artificiais

• Autor(a) principal: Abraham, Emerson Rodolfo
• Data de Publicação: 2019
• Outros Autores: Reis, Joao Gilberto Mendes dos, Toloi, Rodrigo Carlo, Souza, Aguinaldo Eduardo de, Colossetti, Adriane Paulieli
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Agrarian (Dourados. Online)
• Texto Completo: https://ojs.ufgd.edu.br/index.php/agrarian/article/view/9209
• topic: Agronegócio; Sistemas inteligentes; Previsões em series temporais.

Brasil e Estados Unidos foram responsáveis por dois terços da produção mundial da soja durante a safra de 2016/17, equivalente a cerca de 348,1 milhões de toneladas. A soja é o principal produto na corrente de comércio brasileira, visto que sua participação na balança comercial foi de 33%, com o volume exportado de 68 milhões de toneladas, equivalente a US$ 25,7 bilhões. Assim, faz-se necessário analisar e estimar a relação entre área plantada, produtividade e produção, visando tomadas de decisões que possam afetar o suprimento interno e externo desse cereal. Nesse contexto, propõe-se nesse trabalho, uma rede neural artificial para estimar a produção futura da soja brasileira. Utilizou-se o software Matlab R2017b e a Neural Network tool box para elaboração, treinamento, validação e testes da rede. Os dados foram coletados das séries históricas de 41 anos de área plantada, produtividade e produção, fornecidas pela Companhia Nacional de Abastecimento. Os resultados apontaram uma produção de 108,1 milhões de toneladas, para a safra 2017/2018, ou seja, uma pequena queda de 5% em relação à safra 2016/17 que foi de 114,1 milhões de toneladas.