Uso de redes neurais e modelos autoregressivos para previsão de variáveis relacionadas a produção de madeira serrada de pinus no Estado do Paraná

Orientador: Prof. Dr. Romano Timofeiczyk Junior

Coorientadores: Prof. Dr. João Carlos Garzel Leodoro da Silva e Prof. Dr. José Roberto Frega

Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa : Curitiba, 28/09/2018

Inclui referências: p. 87-104

Área de Concentração: Economia, Política e Administração Florestal

Resumo: O presente estudo referiu-se à elaboração de um modelo explicativo e preditivo do preço da madeira serrada de pinus no estado do Paraná. O objetivo geral deste trabalho foi a avaliação de modelos auto regressivos e redes neurais para previsão dos preços de madeira serrada de pinus do estado do Paraná. Foram utilizados dados secundários coletados em fontes públicas, de periodicidade anual abrangendo o período de 1997 a 2017, totalizando 21 observações para cada variável, organizadas em séries temporais. O primeiro, por meio do método de Mínimo Quadrados Ordinários, com o intuito de explicar o preço e analisar a elasticidade das variáveis correlacionadas. Posteriormente, foram elaborados os modelos de previsão baseados na técnica de Redes Neurais Artificiais e Autorregressivo Integrado de Média Móvel. Foram comparados os modelos gerados pelas diferentes técnicas que geraram uma previsão para os anos de 2018 a 2019. Os principais resultados indicaram que o preço real da madeira serrada de pinus no estado do Paraná pode ser explicado pelo preço médio de madeira em tora de pinus e da madeira serrada de eucalipto. O preço médio da madeira serrada de eucalipto apresenta a elasticidade de 0,60% e 95% de significância ao modelo. No modelo preditivo, o modelo ARIMA (0,0,1), concebido a partir das variáveis defasadas que formaram o modelo explicativo foi o modelo melhor ajustado aos dados, apresentando leve superioridade em relação aos demais, destacando-se os baixos erros percentuais de previsão para 2016 e 2017 (respectivamente 0,91% e 3,99%), quando comparados com os valores reais coletados, sugerindo que pode ser utilizado para prever o preço no curto prazo de forma confiável. A previsão do preço real indicou uma leve tendência de aumento a partir do ano de 2017, com uma taxa de crescimento de 1,63% ao ano. O modelo preditivo, formado com as variáveis utilizadas no modelo explicativo, possui elevada capacidade preditiva, apresentando baixos erros de previsão para o preço real de madeira serrada de pinus no estado do Paraná, podendo ser utilizado para previsão a curto prazo de forma confiável.

Abstract: The present study refers to the elaboration of an explanatory and predictive model of the price of sawnwood of pine in the state of Paraná. The general objective of this work was the evaluation of self regressive models and neural networks for predicting the prices of sawnwood of pine in the state of Paraná. Secondary data were used and collected from public sources, with annual periodicity covering the period from 1997 to 2017, totaling 21 observations for each variable, organized into time series. The first one was using the Ordinary Minimum Square method to explain the price and analyze the elasticity of the correlated variables. Subsequently, forecast models based on the Artificial Neural Network technique and Autoregressive Integrated Moving Average were elaborated. The models generated by the different techniques that generated a forecast for the years 2018 to 2019 were compared. The main results indicated that the actual price of sawnwood of pine in the state of Paraná can be explained by the average price of roundwood and eucalyptus sawn timber. The average price of sawnwood of eucalyptus presents an elasticity of 0.60% and 95% significance to the model. In the predictive model, the ARIMA model (0,0,1), conceived from the variables that formed the explanatory model, was the model best adjusted to the data, showing slight superiority over the others, highlighting the low percentage forecast errors for 2016 and 2017 (respectively 0.91% and 3.99%), when compared to the actual values collected, suggesting that it can be used to reliably predict the price in the short term. The real price forecast indicated a slight upward trend from 2018 onwards, with a growth rate of 1.63% per year. The predictive model formed with the variables used in the explanatory model has high predictive capacity, presenting low forecast errors for the actual price of pine sawn timber in the state of Paraná, and can be used for short-term forecast reliably.