Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32882| Título: | Aplicação de modelos de séries temporais na previsão da produção, importação e consumo de fertilizantes no Brasil |
| Título(s) alternativo(s): | Application of time series models in forecasting the production, import and consumption of fertilizers in Brazil |
| Autor(es): | Rustick, Andressa |
| Orientador(es): | Santos, José Airton Azevedo dos |
| Palavras-chave: | Análise de regressão Redes neurais (Computação) Administração rural Adubos e fertilizantes Regression analysis Neural networks (Computer science) Farm management Fertilizers |
| Data do documento: | 20-Out-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | RUSTICK, Andressa. Aplicação de modelos de séries temporais na previsão da produção, importação e consumo de fertilizantes no Brasil. 2023. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023. |
| Resumo: | Os fertilizantes, no Brasil, são insumos de grande importância na produtividade agrícola. Neste contexto, este trabalho tem como objetivo comparar modelos, de séries temporais, para previsão da produção, importação e consumo de fertilizantes intermediários no Brasil. Para realizar a comparação, entre os modelos, foram utilizadas séries históricas, da produção, importação e consumo de fertilizantes no Brasil, no período entre 1998 e 2022. Modelos de previsão, baseados em algoritmos de Regressão Linear (LR), Redes Neurais (MLP) e Máquina de Vetores de Suporte para Regressão (SVR), foram desenvolvidos por meio do software WEKA. Resultados obtidos, dos três modelos, foram comparados por meio das métricas RSME (Root Mean Squared Error), MAE (Mean Absolute Percent Error) e MAPE (Mean Absolute Percent Error). Verificou-se, para um horizonte de curto prazo, que o modelo MLP apresentou melhor desempenho. |
| Abstract: | Fertilizers, in Brazil, are inputs of great importance in agricultural productivity. In this context, this work aims to compare time series models to forecast the production, import and consumption of intermediate fertilizers in Brazil. To carry out the comparison, between the models, historical series of the production, import and consumption of fertilizers in Brazil were used, in the period between 1998 and 2022. Forecast models, based on Linear Regression algorithms (LR), Neural Networks (MLP) and Support Vector Machine for Regression (SVR), were developed using the WEKA software. Results obtained from the three models were compared using the metrics RSME (Root Mean Squared Error), MAE (Mean Absolute Percent Error) and MAPE (Mean Absolute Percent Error). It was found, for a short-term horizon, that the MLP model performed better. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32882 |
| Aparece nas coleções: | MD - Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| modelosprevisaofertilizantes.pdf | 7,62 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
