APLICAÇÃO DE MODELOS DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DO PREÇO DO ALUMÍNIO

Autores

DOI:

https://doi.org/10.47179/abcustos.v16i2.603

Palavras-chave:

MLP. LSTM. Alumínio.

Resumo

O alumínio é um metal não ferroso muito utilizado nas indústrias metalúrgicas, farmacêuticas, aeronáuticas e alimentares. O preço do alumínio apresenta muitos fatores de incerteza. Desse modo a sua previsão é muito importante na definição de políticas industriais, bem como para os produtores e consumidores. Neste contexto, este trabalho tem como objetivo avaliar a eficácia de modelos das redes neurais artificiais (RNAs) para a previsão do preço do alumínio. A base de dados apresenta uma série histórica do preço do alumínio no período entre 2006 e 2020. Modelos de previsão, baseados em Redes Neurais LSTM (Long Short-Term Memory) e MLP (Multilayer Perception) foram implementados na linguagem Python, utilizando o framework Keras. Resultados obtidos dos dois modelos que foram comparados. Verificou-se, também, para um horizonte de seis meses que o modelo LSTM apresentou um melhor desempenho que o modelo MLP.

Biografia do Autor

José Airton Azevedo dos Santos, Universidade Tecnológica Federal do Paraná (UTFPR)

Doutorado em Engenharia Elétrica pela Universidade Federal de Santa Catarina - UFSC
Professor na Universidade Tecnológica Federal do Paraná - UTFPR

Yasmin Chaucoski, Universidade Tecnológica Federal do Paraná (UTFPR)

Graduação em andamento em Engenharia Elétrica pela Universidade Tecnológica Federal do Paraná - UTFPR

Downloads

Publicado

2021-08-31

Edição

Seção

Artigos e resenhas