Banca de QUALIFICAÇÃO: JOÃO VITOR ANDRADE ALVES DE SOUZA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOÃO VITOR ANDRADE ALVES DE SOUZA
DATA: 15/08/2025
HORA: 15:00
LOCAL: meet.google.com/oai-wxma-ygy
TÍTULO:

APLICAÇÃO DE MÉTODOS BASEADOS EM LÓGICA FUZZY E DE APRENDIZADO DE MÁQUINA PARA A PREVISÃO DE PREÇOS COMMODITIES

PALAVRAS-CHAVES:

Lógica fuzzy. Aprendizado de máquina. Preço de  commodities agrícolas.

PÁGINAS: 54
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Probabilidade e Estatística
SUBÁREA: Probabilidade e Estatística Aplicadas
RESUMO:

O milho e o farelo de soja são duas das principais commodities agrícolas do Brasil, desempenhando um papel estratégico para a economia brasileira. A previsão de seus preços é de suma importância para apoiar a tomada de decisões no setor agroindustrial. Este estudo tem por objetivo aplicar e avaliar a utilização de métodos Fuzzy Time Series (FTS) para previsão dos preços dessas commodities, considerando abordagens univariadas  e multivariadas. Estes modelos serão comparados a métodos estatísticos clássicos e algoritmos de aprendizado de máquina, como Random Forest, XGBoost, LightGBM, entre outros. Para uma avaliação robusta dos modelos, serão utilizados dados reais e simulados. O conjunto de dados reais compreende dados diários de preços de milho e de farelo de soja entre 2004 e 2025 em Minas Gerais. Já o conjunto de dados simulados, consta de séries temporais com características estatísticas diferentes das observadas nos dados reais, como tendência, sazonalidade, variações de curto prazo, entre outros. Os modelos FTS serão testados com diferentes números e métodos de particionamento do universo do discurso. Os algoritmos de aprendizado de máquina serão treinados via validação cruzada para séries temporais com janela expansiva e 5 divisões. Os modelos serão comparados pelos valores obtidos para as métricas: MAPE, MASE, MDA e RMSE. Os scripts para pré-processamento, simulação e análise dos dados serão implementados em linguagem Python. No processo, serão utilizadas as bibliotecas: pandas, scikit-learn, pyFTS, entre outras. Os resultados permitirão avaliar a precisão e capacidade de generalização dos modelos, contribuindo para avanços metodológicos na previsão de preços de commodities agrícolas.

MEMBROS DA BANCA:
Interno - TALES JESUS FERNANDES (Suplente)
Externo ao Programa - SERGIO DOMINGOS SIMAO - DES/ICET (Membro)
Externo à Instituição - MARCELO CARLOS RIBEIRO - UFOP (Membro)
Presidente - GERALDO MAGELA DA CRUZ PEREIRA (Membro)
Externo à Instituição - GABI NUNES SILVA - UNIR (Membro)