PREVISÃO DA PRODUÇÃO DE MANDIOCA: UM ESTUDO DE CASO UTILIZANDO ARIMA E NEURALPROPHET

Resumo

A mandioca, tubérculo brasileiro rico em carboidratos, cálcio, potássio e vitaminas, possui diversos benefícios para a saúde, tais como combater o excesso de radicais livres e fortalecer o sistema imunológico. Sua produção é de grande importância no cenário nacional, atingindo aproximadamente 18 milhões de toneladas anuais. Pode ser comercializada in natura ou na forma de farinha e fécula. Neste contexto, este trabalho tem como objetivo prever, por meio de modelos ARIMA (Autoregressive Integrated Moving Average) e NeuralProphet, a produção de mandioca no Brasil. O ARIMA é um algoritmo comumente usado para previsões de séries temporais. Já o NeuralProphet é uma ferramenta, de previsão de séries temporais, baseada no Prophet e nas Redes Neurais Artificiais. A base de dados, disponibilizada pelo IPEA (Instituto de Pesquisa Econômica Aplicada), apresenta uma série histórica, da produção de mandioca, no período entre 1920 e 2021. As métricas RMSE e MAPE foram utilizadas para avaliar o desempenho dos modelos de previsão. Os resultados obtidos, por meio deste estudo, mostraram uma boa correspondência entre os valores reais e previstos pelo modelo NeuralProphet.

 Palavras-chave: Agricultura. Aprendizado de máquina. Aprendizado profundo. Redes neurais.

CASSAVA PRODUCTION FORECASTING: A CASE STUDY USING ARIMA AND NEURALPROPHET

ABSTRACT

Cassava, a Brazilian tuber rich in carbohydrates, calcium, potassium and vitamins, has several health benefits, such as combating excess of free radicals and strengthening the immune system. Its production is of great importance on the national scene, reaching approximately 18 millions tons annually. It can be sold fresh or in the form of flour and starch. This paper aims to predict, using ARIMA (Autoregressive Integrated Moving Average) and NeuralProphet models, cassava production in Brazil. ARIMA is a commonly used algorithm for time series forecasting. NeuralProphet is a time series forecasting tool based on Prophet and Artificial Neural Networks. Database, made available by IPEA (Institute for Applied Economic Research), presents a historical series of cassava production in the period between 1920 and 2021. The RMSE and MAPE metrics were used to evaluate the performance of  forecast models. Results showed a good correspondence between the real values and those predicted in NeuralProphet model.

 Key Words: Agriculture. Deep learning. Machine learning. Neural networks