Estimativa da produção da soja brasileira utilizando redes neurais artificiais
DOI:
https://doi.org/10.30612/agrarian.v12i44.9209Keywords:
Agronegócio, Sistemas inteligentes, Previsões em series temporais.Abstract
Brasil e Estados Unidos foram responsáveis por dois terços da produção mundial da soja durante a safra de 2016/17, equivalente a cerca de 348,1 milhões de toneladas. A soja é o principal produto na corrente de comércio brasileira, visto que sua participação na balança comercial foi de 33%, com o volume exportado de 68 milhões de toneladas, equivalente a US$ 25,7 bilhões. Assim, faz-se necessário analisar e estimar a relação entre área plantada, produtividade e produção, visando tomadas de decisões que possam afetar o suprimento interno e externo desse cereal. Nesse contexto, propõe-se nesse trabalho, uma rede neural artificial para estimar a produção futura da soja brasileira. Utilizou-se o software Matlab R2017b e a Neural Network tool box para elaboração, treinamento, validação e testes da rede. Os dados foram coletados das séries históricas de 41 anos de área plantada, produtividade e produção, fornecidas pela Companhia Nacional de Abastecimento. Os resultados apontaram uma produção de 108,1 milhões de toneladas, para a safra 2017/2018, ou seja, uma pequena queda de 5% em relação à safra 2016/17 que foi de 114,1 milhões de toneladas.Downloads
References
BEALE, M.H.; HAGAN, M.T.; DEMUTH, H.B. Neural Network Toolbox. Getting Started Guide, 2017
CONAB. Companhia Nacional de Abastecimento. Séries Históricas de Área Plantada, Produtividade e Produção. Disponível em: <https://www.conab.gov.br/info-agro/safras/serie-historica-das-safras>, acesso em: 10/05/2018
COSTA NETO, PEDRO L. Estatística. 2ª edição. São Paulo. Blucher, 2002
DEAGRO. Departamento do Agronegócio. “Balança Comercial Brasileira do Agronegócio - Consolidado 2017” Disponível em: <http://www.fiesp.com.br/indices-pesquisas-e-publicacoes/balanca-comercial/attachment/file-20180118113431-bca2017/>, acesso em: 10/05/2018
FAOSTAT. Food and Agriculture Organization of the United Nations. Disponível em: <http://www.fao.org/faostat/en/#data/QC>, acesso em: 10/05/2018
IBGE. Instituto Brasileiro de Geografia e Estatística (2018). “Apresentação PIB 2017”. Agência de Noticias IBGE. Disponível em: <https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/20166-pib-avanca-1-0-em-2017-e-fecha-ano-em-r-6-6-trilhoes.html>, acesso em: 10/05/2018
GHALKHANI, H.; GOLIAN, S.; SAGHAFIAN, B.; FAROKHNIA, A.; SHAMSELDIN, A. Application of surrogate artificial intelligent models for real‐time flood routing. Water and Environment Journal, vol. 27, n. 4, pp 535-548., 2013
GOMES, LUIZ F.A.M.; MACHADO, MARIA A.S.; CALDEIRA, ANDRE M.; SANTOS, DANILO J.;NASCIMENTO, WALLACE J. D. Time Series Forecasting with Neural Networks and Choquet Integral. Information Technology and Quantitative Management (ITQM). Procedia Computer Science v. 91. pp. 1119 – 1129, 2016
KO, M.; TIWARI, A.; MEHNEN, J. . A Review of Soft Computing Applications in Supply Chain Management. Applied Soft Computing v. 10(3), pp.661–674, 2010.
KOCAMAZ, UGUR ERKIN; TASKIN, HARUN, UYAROGLU, YILMAZ, GOKSU, ALPER. Control and Synchronization of chaotic supply chains using inteligente approaches. Computers & Industrial Engineering vol. 102, pp. 476-487, 2016
LABOISSIERE, L.A., FERNANDES, R.A., LAGE, G.G.. Maximum and minimum stock price forecasting of brazilian power distribution companies based on artificial neural networks. Applied Soft Computing vol 35, pp. 66 – 74, 2015
MAPA. Ministério da Agricultura, Pecuária e Abastecimento. Projeções do Agronegócio. Brasil 2015/16 a 2025/26. Projeções de Longo Prazo. Secretaria de Política Agrícola - SPA. Departamento de Crédito e Estudos Econômicos, 2016
MDCI. Ministério e Desenvolvimento Industria e Comécio Exterior (2018). “Séries Históricas - Balança Comercial Brasileira 1989-2017”. Disponível em: <http://www.mdic.gov.br/comercio-exterior/estatisticas-de-comercio-exterior/series-historicas>, acesso em: 10/05/2018
PEREIRA, LUIS. S. Water, Agriculture and Food: Challenges and Issues. Water Resources Management. vol. 31, n. 10, pp 2985–2999, 2017
SILVA, IVAN N.; SPATTI, DANILO H.; FLAUZINO, ROGÉRIO A.. Redes neurais artificiais para engenharia e ciências aplicadas. Fundamentos teóricos e aspectos práticos. 2ª edição, revisada e ampliada. São Paulo. Artliber, 2016
USDA. United States Department of Agriculture. Foreign Agricultural Service. Table 11: Soybean Area, Yield, and Production, Disponível em: <https://apps.fas.usda.gov/psdonline/app/index.html#/app/downloads>, acesso em 12/09/2018.
WANG, JIAQIU; TSAPAKIS, IOANNIS; ZHONG, CHEN. A space–time delay neural network model for travel time prediction. Engineering Applications of Artificial Intelligence. vol. 52, pp. 145–160, 2016.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors authorize the publication of the article in the journal.
The authors ensure that the contribution is original and unpublished and is not being evaluated in other journal.
- The journal is not responsible for the opinions, ideas and concepts expressed in the texts because they are the sole responsibility of the authors.
- The publishers reserve the right to make adjustments and textual adaptation to the norms.
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) only after publication.
