Seleção de hiperparâmetros para uma rede Multi-Layer Perceptron aplicada na predição do preço da soja
Palavras-chave:
Inteligência artificial, Séries temporais., Commodities.Resumo
O agronegócio brasileiro representa uma parcela significativa do Produto Interno Bruto (PIB), além de ser um setor de produção essencial, por garantir o fornecimento de alimentos para a população. Contudo, o principal desafio enfrentado pelo setor é manter a rentabilidade, ante um cenário de alta dos custos de insumos. Diante disso, destaca-se a importância de avaliar ferramentas que possam auxiliar na tomada de decisão, com foco no aumento da rentabilidade. A proposta deste trabalho foi selecionar um conjunto de hiperparâmetros para uma rede neural Multi-Layer Perceptron (MLP), por meio da análise do Erro Médio Quadrático (EMQ), visando a sua utilização na predição do preço da soja. Para isso, um histórico de dados de preço do grão e da taxa de câmbio do dólar (2006 - 2022) foram utilizados como entrada do modelo matemático. Fazendo uso de simulações computacionais, o preço predito da soja foi avaliado, visando identificar o conjunto de hiperparâmetros que gera o menor EMQ. Entre as configurações avaliadas, o menor EMQ encontrado quando o modelo foi testado na série histórica teve valor igual a 1,2936. Esse resultado mostra que a configuração de hiperparâmetros selecionada é capaz de realizar a previsão do preço futuro da soja, acompanhando a tendência de preços do grão, no período em que ele foi avaliado.
Downloads
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2024 Revista Tecnia
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.