Aplicação de redes neurais artificiais na previsão do produto interno bruto do Mato Grosso do Sul em função da produção de cana-de-açúcar, açúcar e etanol

Resumo

A produção de cana-de-açúcar e de seus derivados contribui significativamente para o aumento do Produto Interno Bruto do estado de Mato Grosso do Sul (MS). Gestores públicos e executivos do setor necessitam de informações para que suas decisões relacionadas à produção, tributação, entre outras possam ter melhor qualidade. Para isto, as técnicas de predição contribuem neste processo. Diante do exposto, este artigo buscou responder qual a capacidade preditiva das Redes Neurais Artificiais (RNAs) para explicar o Produto Interno Bruto de MS em função da das variáveis independentes, produção de cana-de-açúcar, açúcar e etanol? Assim, o objetivo geral do trabalho é estimar o Produto Interno Bruto de MS relativo a produção de cana-de-açúcar, de açúcar e de etanol utilizando as RNAs. Como objetivos específicos: verificar as correlações entre as variáveis envolvidas na produção de açúcar e etanol a partir da cana-de-açúcar; construir, treinar e validar um modelo de RNAs com estas variáveis; utilizar o modelo construído e validado para realizar previsões. A relevância da pesquisa é a utilização desta importante ferramenta de predição para pode prever o fluxo monetário que será demandado com o incremento da produção da cana-de-açúcar, do açúcar e do etanol, podendo planejar investimentos no sentido de propiciar melhores condições de vida à população, não só nos entornos das usinas, mas no Estado que será beneficiado como um todo. Observando os dados coletados e os objetivos propostos, este trabalho é classificado como exploratório descritivo. A série temporal em análise compreende o intervalo de 2002 a 2015. O software utilizado para construir a RNA foi o SPSS - Statistical Package for the Social Sciences - Pacote Estatístico para as Ciências Sociais. Concluiu-se que o modelo predito de RNA foi capaz de explicar o comportamento do PIB do MS em função das variáveis independentes descritas, além disso, o modelo apresentou valores e observações satisfatórias para sua validação. Por fim, utilizando dados hipotéticos para as variáveis independentes, o modelo predito e validado foi utilizado para realizar uma previsão com significativa segurança.