Aplicação de Inteligência Artificial na Previsão de Produções de Açúcar e Etanol Anidro, no Período de 2020 até 2025, nas Macrorregiões Centro-Sul e Norte-Nordeste do Brasil
DOI:
https://doi.org/10.26848/rbgf.v15.5.p2200-2211Palabras clave:
GeossistemasResumen
A produção de cana-de-açúcar tem um papel muito importante na economia brasileira, desde o período colonial, com a produção de açúcar e etanol, produtos amplamente comercializados pelo Brasil. O objetivo deste trabalho foi usar recursos de redes neurais artificiais (RNA), implementado no software Weka, Version 3.6.4, para fazer a previsão da produção de açúcar e etanol nas macrorregiões Centro-Sul e Norte-Nordeste brasileiras, no período de 2020 à 2025. Utilizou-se para isso séries históricas das produções desses dois produtos no período de 1980 a 2019, com quarenta observações. Os resultados podem ser considerados satisfatórios, com erros médios absolutos (MAE) relativamente baixos para as duas previsões feitas, do açúcar e do etano anidro. Com os dados das produções de etanol anidro e açúcar já consolidados para o ano de 2020, foi possível determinar as diferenças entre as produções reais e as previsões realizadas, com diferença de 27,2% para o etanol anidro e de 0,95% para o açúcar. O motivo dessa diferença maior para o etanol anidro depende de novos estudos.
Palavras-chaves: Desenvolvimento regional, previsão de açúcar, previsão de etanol anidro, produção de cana-de-açúcar.
Application of Artificial Intelligence in the Forecast of the Productions of Sugar and Anhydro Ethanol in the Period from 2020 to 2025, in the Centro-South and North-Northeast Macroregions of Brazil
ABSTRACT
The production of sugarcane has played a very important role in the Brazilian economy, since the colonial period, with the production of sugar and ethanol, products widely traded in Brazil. The objective of this work was to use artificial neural networks (ANN) resources, implemented in the Weka software, Version 3.6.4, to forecast sugar and ethanol production in the Center-South and North-Northeast macro-regions of Brazil, in the period 2020. to 2025. For this purpose, historical series of the productions of these two products were used in the period from 1980 to 2019, with forty observations. The results can be considered satisfactory, with relatively low mean absolute errors (MAE) for the two predictions made, sugar and anhydrous ethane. With the data on the production of anhydrous ethanol and sugar already consolidated for the year 2020, it was possible to determine the differences between the actual productions and the forecasts made, with a difference of 27.2% for anhydrous ethanol and 0.95% for the sugar. The reason for this greater difference for anhydrous ethanol depends on further studies.
Keywords: Regional development, anhydrous ethanol forecast, sugar forecast, sugarcane production.
Descargas
Citas
Amit, K.Y.H.; Malik, S.S.C., 2014. Selection of most relevant input parameters using WEKA for artificial neural network based solar radiation prediction models. Renewable and Sustainable Energy Reviews 31, 509-519.
Antunes, W.R., Schöffel, E.R., Silva, S.D.A., Härter, A., Campos, A.D.S., C.R.S. Montero, C.R.S., 2017. Productive performance of early sugarcane genotypes in Rio Grande do Sul state, Revista Scientia Agraria 18(2), 136-142. https://doi.org/10.5380/rsa.v18i2.50533.
Araújo, D. F. C., Sobrinho, F. L. A., 2020. A cultura agrícola da cana-de-açúcar no Brasil: contribuição ao estudo dos territórios rurais e suas contradições e conflitos. Revista Geopauta 4(1), 162-183. <http://periodicos2.uesb.br/index.php/geo>.
Arun, K.S., Helga, J., Rafn, B., 2007. Outcomes of educational interventions in type 2 diabetes: WEKA data-mining analysis. Patient Education and Counseling 67(1), 21-31.
Bader Esam, A., 2017. Economic Modelling and Forecasting of Sugar Production and Consumption in Egypt. International Journal of Agricultural Economics, 2(4), 96-109.
Bouckaert, R., Frank, E., Hall, M., Kirkby, R., Reutemann, P., Seewald, A., Scuse, D., 2010. WEKA Manual for Version 3-6-4. Disponível em: <http://matema.ujaen.es/jnavas/web_recursos/archivos/weka%20master%20recursos%20naturales/WekaManual%20oficial.pdf>. Acesso em: 22.ago.2021.
Carneiro Junior., J.B.A., Souza, C.C., 2019. 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. Revista Ibero-Americana de Ciências Ambientais (RICA) 10(5).
Carvalho, L.C., Bueno, R.C.O.F., Carvalho, M.M., Favoreto, A.L., Godoy, A.F., 2013. Cana-de-açúcar e álcool combustível: histórico, sustentabilidade e segurança energética. Enciclopédia Biosfera. Centro Científico Conhecer. Goiânia 9(16), p. 530.
Dias, H.B., Sentelhas, P.C., 2018. Sugarcane yield gap analysis in Brazil – A multi-model approach for determining magnitudes and causes. Science of the total environment 638, 1127–1136.
Eibe, F., Mark, H., Len, T., G., Holmes, I. H. W., 2004. Data mining in bioinformatics using Weka. Bioinformatics 20(15), 2479–2481. DOI. <https://doi.org/10.1093/bioinformatics/bth261>.
FAO - FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS 2019. Food Outlook: biannual report on global food markets. Rome / Italy, FAO.
Figueiredo, B.B., Cesar, F.I.G., 2021.Estudo comparativo da eficiência na produção de álcool de segunda geração. Revista Científica Acertte, ISSN 2763-8928, 1(6), e1643. https://doi.org/10.47820/acertte.v1i6.43.
Hall, M.A., 1999. Correlation-based feature selection for machine learning. P. 198. Thesis (Doctor of Philosophy) - Department of Computer Science. University of Waikato. Hamilton (New Zealand). Disponível em: <https://www.cs.waikato.ac.nz/~mhall/thesis.pdf> Acesso em: 23.ago.2021.
Ignacio, A., Carreras, V., Kaynig, C., Rueden, K.W., Eliceiri, J., Schindelin, A.C.H., Sebastian, S., 2017. Trainable Weka Segmentation: a machine learning tool for microscopy pixel classification. Bioinformatics 33(15), p. 2424–2426. DOI: https://doi.org/10.1093/bioinformatics/btx180.
Koprinska, I., Rana, M., Agelidis, V.G., 2015. Correlation and instance based feature selection for electricity load forecasting. Knowledge-Based Systems, v.82. p.29-40.
Leite, R.S., Cortez, L.A.B., 2020. O Etanol Combustível no Brasil. Disponível em: http://alunosonline.uol.com.br/geografia/producao-etanol-no-brasil.html. Acesso em: 03.jul. 2021.
Lorenzi, B.R., Andrade, T.N., 2019. O etanol de segunda geração no Brasil: políticas e redes sociotécnicas. Revista Brasileira de Ciências Sociais 34(100).
NovaCana, 2008. Uso da água na produção de etanol de cana-de-açúcar. Campinas: Proamb. Engenharia. Projeto Programa de Pesquisa em Políticas Públicas. Disponível em: <https://www.novacana.com/cana/uso-agua-producao-cana-etanol>. Acesso em: 22.ago.2021.
Oliveira, A.C.S., Souza, A.A., Lacerda, W.S., Gonçalves, L.R., 2010. Aplicação de redes neurais artificiais na previsão da produção de álcool. Ciências e Agrotecnologia 34 (2).
Pacheco, T.F., 2011. Produção de Etanol: primeira ou segunda geração? Disponível em: <https://ainfo.cnptia.embrapa.br/digital/bitstream/item/32985/1/CITE-04.pdf>. Acesso em 20 ago.2021.
Penedo, A.S.T., Pacagnella Júnior, A.C., Oliveira, M.M.B., 2007. Previsão de preços do açúcar utilizando redes neurais artificiais. Núcleos 4(1-2).
PROÁLCOOL Programa Brasileiro de Álcool, 2008. Proálcool: Lição de Vida. Disponível em: http://www.biodieselbr.com/proalcool/proalcool.htm. Acesso em: 01 set..2021.
Rodrigues, L.D., 2010. A cana-de-açúcar como matéria-prima para a produção de biocombustíveis: impactos ambientais e o zoneamento agroecológico como ferramenta para mitigação. Disponível em:< http://atividaderural.com.br/artigos/5601927a79cad.pdf>. Acesso em: 01 ago.2021.
Ronquim, C. C.; Fonseca, M. F., 2018. Avanço das áreas de cana-de-açúcar e alterações em áreas de agropecuária no interior paulista. Campinas: Embrapa Territorial.
Santos, L.M.A., Marques, H.L., Sousa, V.C. Rabesco, G.C., Ferreira, R.M., Marques, H.P.G., Oliveira, D.A., Vieira, P.T., 2019. Produção de álcool anidro mais limpo. Revista Científica Multidisciplinar - Núcleo do Conhecimento 03, 67- 80.
Souza, C.C., Carneiro Junior, J.B.A., Cristaldo, M.F., Castelão, R.A., Frainer, D.M., Viganó, H.H.G., 2022. Previsão de produção de cana-de-açúcar e seus derivados, através de ARIMA, no período de 2020 a 2025, na macrorregião Centro-Sul do Brasil. Research, Society and Development 11(4). DOI: http://dx.doi.org/10.33448/rsd-v11i4.27048.
Spancersk, A.S., Santos, J.A.A., 2021. Previsão do preço do açúcar: um estudo de caso usando o software Weka. Revista de Engenharia e Tecnologia 13(1).
Toledo, K., 2012. Etanol de segunda geração com biogás. FAPESP. Fundação de Amparo à Pesquisa de São Paulo
UDOP. União Nacional de Bioenergia, 2003. A História da Cana-de-açúcar. Da Antiguidade aos Dias Atuais. Disponível em https://www.udop.com.br/noticia/2003/01/01/a-historia-da-cana-de-acucar-da-antiguidade-aos-dias-atuais.html. Acesso em 10 ago.2021.
UNICA. Observatório da Cana, 2021. Históricos de moagem de cana-de-açúcar, área plantada e colhida, produção de açúcar e etanol no Brasil. Disponível em: https://observatoriodacana.com.br/. Acesso em 10 ago.2021.
Viegas, T., 2010. Competitividade internacional do etanol brasileiro: oportunidades e ameaças. Rio de Janeiro: Blog Infopetro, Instituto de Economia: Universidade Federal do Rio de Janeiro.
Wissmann, M.A., Oyamada, G.C., Wesendonck, C.C., Shikida, P.F.A., 2014. Evolução do cultivo da cana-de-açúcar na região Centro-Oeste do Brasil. Revista Brasileira de Desenvolvimento Regional 2(1), 95-117.
Witten, I.H., Frank, E., Hall, M., 2011. Data Mining: Practical Machine Learning Tools and Techniques. 3rd. ed. San Francisco, CA, USA: Morgan Kaufmann Publishers46-Referencias Inc. ISBN 0123748569, 9780123748560.
Zdravko, M., Ingrid, R., 2006. An introduction to the WEKA data mining system. ACM SIGCSE Bulletin 38(3), pp. 367–368. DOI: https://doi.org/10.1145/1140123.1140127
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Celso Correia de Souza, João Bosco Arbués Carneiro Junior, Márcia Ferreira Cristaldo, Raul Assef Castelão, Daniel Massen Frainer
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Material protegido por derechos de autor y plagio. En caso de material protegido por derechos de autor reproducido en el manuscrito, la atribución completa debe ser informada en el texto; un documento de respaldo de la autorización debe enviarse al Consejo Editorial como documento complementario. Es responsabilidad de los autores, no de la revista o de los editores y revisores, informar en el artículo la autoría de los textos, datos, figuras, imágenes y / o mapas publicados anteriormente en otros lugares. Si existe alguna sospecha sobre la originalidad del material, el Comité Editorial puede verificar el manuscrito en busca de plagio. En los casos en que se confirme el plagio, el manuscrito será devuelto sin más revisión y sin la posibilidad de volver a enviarlo. El autoplagio (es decir, el uso de frases idénticas de documentos previamente publicados por el mismo autor) tampoco es aceptable.
