Tese

Previsão do preço do arroz no Brasil usando modelos de aprendizado de máquina e dados de oferta e demanda (2024)

• Authors:
  • Mielke, Lucas Valle
  • Boas, Paulino Ribeiro Villas (Orientador)
• Autor USP: MIELKE, LUCAS VALLE - ICMC
• Unidade: ICMC
• Sigla do Departamento: SME
• DOI: 10.11606/D.55.2024.tde-13052024-163432
• Subjects: APRENDIZADO COMPUTACIONAL; ARROZ; BOLSA DE MERCADORIAS; REGRESSÃO LINEAR
• Keywords: Commodity; Commodity; Machine learning; Previsão da preço; Price forecast; Rice
• Language: Português
• Abstract: O arroz é um cereal essencial consumido por cerca de 2,5 bilhões de pessoas no mundo, e o Brasil se destaca entre os dez maiores produtores. A produção brasileira é reconhecida por sua produtividade, tecnologia e fiscalização, se concentrando no Rio Grande do Sul que contribui com cerca de 70% da produção total. Assim como qualquer commodity agrícola, o preço do arroz está sujeito às leis de mercado, sendo afetado por diversos fatores, como condições climáticas e preços dos insumos, além da demanda, refletida pelo poder de compra da população. Essa oscilação dos preços pode ser prejudicial tanto para os consumidores quanto produtores, especialmente considerando o tempo de 5 meses entre o plantio e a colheita. Diante dessas questões, o objetivo principal deste trabalho é desenvolver modelos de aprendizagem de máquina capazes de prever o preço dessa commodity, considerando um horizonte de 5 meses e utilizando variáveis representativas da oferta e da demanda. Embora existam pesquisas que buscam prever o preço do arroz e de outras commodities agrícolas utilizando diferentes modelos de aprendizagem de máquina, não foram encontrados estudos abordando especificamente a previsão com a mesma antecedência deste trabalho, nem utilizando variáveis representativas da oferta e da demanda. Portanto, este projeto preenche essa lacuna. Para a realização desta pesquisa, foram adotados diversos modelos de aprendizagem de máquina que foram aplicados com e sem a técnica de Eliminação Recursivade Variáveis (RFE), utilizando subconjuntos de dados de treinamento e teste com diferentes períodos. Além disso, dois procedimentos de ajuste na base de dados foram realizados para prever com 5 meses de antecedência: um por meio de defasagem direta e outro utilizando variáveis independentes simuladas, como explicado no capítulo de Materiais e Métodos. Os resultados revelaram que foi possível desenvolver tais modelos, os quais apresentaram uma média de erro de aproximadamente 17%, notando-se erro mais elevado em períodos específicos, especialmente na segunda metade de 2020. O modelo de melhor desempenho na previsão com 5 meses de antecedência foi o Extreme Gradient Boosting com a técnica RFE no procedimento de defasagem direta, alcançando um MAPE de 10%.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2024
• Data da defesa: 15.03.2024

Informações sobre o DOI: 10.11606/D.55.2024.tde-13052024-163432 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  MIELKE, Lucas Valle. Previsão do preço do arroz no Brasil usando modelos de aprendizado de máquina e dados de oferta e demanda. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13052024-163432/. Acesso em: 28 dez. 2025.

• APA

  Mielke, L. V. (2024). Previsão do preço do arroz no Brasil usando modelos de aprendizado de máquina e dados de oferta e demanda (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13052024-163432/

• NLM

  Mielke LV. Previsão do preço do arroz no Brasil usando modelos de aprendizado de máquina e dados de oferta e demanda [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13052024-163432/

• Vancouver

  Mielke LV. Previsão do preço do arroz no Brasil usando modelos de aprendizado de máquina e dados de oferta e demanda [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13052024-163432/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Estimativa do preço de mandioca na região de Assis-SP através de dados de insumos e fatores climáticos com aplicaçãao de modelos lineares generalizados
• Aprendizado de máquina aplicado à predição do preço do arroz utilizando dados climatológicos e econômicos
• Uso de modelos de decomposição em componentes não observáveis para predição de séries temporais não estacionárias de commodities agrícolas
• Despesas administrativas em empresas brasileiras: benchmarking e impactos da pandemia
• Previsão do preço do arroz: um estudo com modelos econométricos e variáveis exógenas
• Influências socioeconômicas e geográficas no desempenho do ENEM 2023: um estudo estatístico e de aprendizado de máquina
• Transformando ameaça em oportunidade: um estudo de caso do marketing sobre o Jacu Bird Coffee
• Classificação de defeito em lotes numa indústria farmacêutica: uma abordagem prática com aprendizado de máquina em processos de qualidade