Previsão de preços de vegetais para salada usando técnicas estatísticas e de inteligência artificial

Bulut, Mutlu

RESUMO: Este estudo tem como objetivo prever os preços futuros potenciais de produtos agrícolas selecionados usando dados de preços passados. A previsão de séries temporais multivariadas desempenha um papel crucial em vários domínios do mundo real, com a previsão de preços sendo um foco de pesquisa particularmente proeminente. No entanto, essa tarefa é desafiadora, pois requer a captura de correlações intra e interséries. A literatura existente se concentra principalmente em correlações de domínio temporal, negligenciando outros fatores importantes. Neste artigo, coletamos um novo conjunto de dados do site oficial do Ministério do Comércio da Turquia. O conjunto de dados compreende preços diários e dados de volume de comércio para vários vegetais, abrangendo um período de 1791 dias de 1º de janeiro de 2018 a 26 de novembro de 2022. Especificamente, escolhemos salsa, limão, couve-flor e cenoura como os itens alimentares alvo para estimativa de preço em nosso estudo. Depois de analisar os dados de preço adquiridos, empregamos modelos de análise de séries temporais amplamente utilizados, a saber, Rede Neural Convolucional (CNN), Memória de Longo Prazo (LSTM) e Floresta Aleatória (RF), para comparar seu desempenho. Avaliamos esses modelos em uma tarefa de previsão de preço de 10 dias para os quatro produtos selecionados. Em geral, todos os três modelos exibiram resultados satisfatórios; no entanto, o modelo CNN superou notavelmente os outros em termos de precisão de previsão.