Resumo: Introdução O arroz e um dos cereais mais importantes do mundo, com produção mundial superior a 780 milhoes de toneladas e consumo por metade da população mundial. A produção brasileira é estimada em 12 milhões de toneladas, o que coloca o Brasil como o único país nao asiático a estar entre os 10 maiores produtores, e 70% da produção se concentra no Rio Grande do Sul [3]. Como em todo cultivo agrícola, o custo de produção do arroz é dependente de insumos, como área plantada, fertilizantes, defensivos, diesel, entre outros, e é afetada por fatores climáticos, tais como precipitação, insolação e temperatura. A oscilação no preço dos insumos e variações climáticas podem, portanto, impactar a produção, a oferta e, consequentemente, o preço do arroz, causando problemas econômicos e sociais importantes, como redução do poder de compra dos consumidores ou redução da renda no campo. Desta forma, possibilitar melhor previsão da variação de preço do arroz pode trazer benefícios sociais e econômicos ao permitir melhor planejamento dos envolvidos. Diversos pesquisadores ja usaram modelos computacionais de aprendizagem de máquina distintos para tentar prever o preço de commodities. Geralmente esses estudos usam o historico de preços disponíveis no mercado financeiro além de outros dados de interesse que possam justificar a oscilação do preço [2]. O objetivo desse estudo foi testar diferentes modelos computacionais classicos de aprendizagem de máquina, amplamente utilizados em estudos de previsão de preço, para prever o preço do arroz no Rio Grande do Sul usando o histórico do preço desta commoditie, assim como no histórico de dados climáticos da região, como temperatura e precipitação, e de insumos necessários, como área de plantio, producão, estoque inicial, e custo de adubos, calcário e diesel.

Ano de publicação: 2023

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Instrumentação