Análise e previsão de séries temporais da exportação de produtos florestais brasileiros utilizando a metodologia Box-Jenkins e redes neurais artificiais

• Autor(a) principal: Souza, Jianne Rafaela Mazzini de
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/29739; https://doi.org/10.47328/ufvbbt.2021.278
• topic: Box-Jenkins, Método; Aprendizado do computador; Análise de séries temporais; Economia florestal; Economia Florestal

O Brasil é um dos principais países exportadores de produtos florestais madeireiros do mundo. Prever o futuro de variáveis associadas as exportações dos produtos florestais são muito importantes para tomada de decisão e um grande desafio. Desse modo, o objetivo do trabalho foi analisar e prever séries temporais das exportações de produtos florestais madeireiros brasileiros utilizando a técnica de Redes Neurais Artificiais (RNA) e a metodologia Box- Jenkins com os modelos ARIMA e ARIMAX. Os dados utilizados foram de históricos mensais das variáveis valor total exportado, em dólares americanos (US$), quantidade exportada, em toneladas (t) e valor unitário de uma tonelada (US$ t -1 ) de dois grupos de produtos florestais madeireiros, com informações desde janeiro do ano 1997 até dezembro do ano 2019. A etapa de análise das séries temporais consistiu na avaliação do comportamento das séries. A etapa de modelagem da previsão das séries temporais foi dividida em pré-processamento dos dados, predição das séries temporais, avaliação das RNA e dos modelos ARIMA e ARIMAX, previsão das séries temporais para os 12 meses do ano de 2019 e seleção da melhor técnica de previsão para as séries de cada grupo de produtos. Após a modelagem para previsão das séries temporais, uma matriz SWOT da utilização das técnicas foi construída. No resultado da previsão das séries temporais, os modelos ARIMA e ARIMAX e as RNA apresentaram boa performance. As RNA de forma individual foram mais precisas do que as RNA de forma generalizada e que os modelos ARIMA e ARIMAX, para cada grupo de produtos. A exceção foi a série valor exportado do grupo SH2-47, em que as RNA gerais obtiveram maior acurácia na previsão em comparação as RNA individuais. As topologias de RNA com a função de ativação exponencial, algoritmo Rprop e número de neurônios entre 16–30 são indicadas para previsão das séries temporais para os dois grupos de produtos florestais madeireiros. Estudos futuros podem ser conduzidos para melhorar a acurácia das previsões, como a utilização dos modelos da família ARIMA de forma hibrida com as RNA ou com outras técnicas de aprendizado de máquina. Palavras-chave: Modelo ARIMA. Modelo ARIMAX. Aprendizado de máquinas. Modelo de previsão. Economia florestal.