APLICAÇÃO DE MODELOS DE REDES NEURAIS ARTIFICIAIS NA PREVISÃO DO PREÇO DO ALUMÍNIO

Ano: 2021 | Volume: 16 | Número: 2

Autores: José Airton Azevedo dos Santos, Yasmin Chaucoski

Palavras-chave: MLP, LSTM, Alumínio.

Resumo Português:

O alumínio é um metal não ferroso muito utilizado nas indústrias metalúrgicas, farmacêuticas, aeronáuticas e alimentares. O preço do alumínio apresenta muitos fatores de incerteza. Desse modo a sua previsão é muito importante na definição de políticas industriais, bem como para os produtores e consumidores. Neste contexto, este trabalho tem como objetivo avaliar a eficácia de modelos das redes neurais artificiais (RNAs) para a previsão do preço do alumínio. A base de dados apresenta uma série histórica do preço do alumínio no período entre 2006 e 2020. Modelos de previsão, baseados em Redes Neurais LSTM (Long Short-Term Memory) e MLP (Multilayer Perception) foram implementados na linguagem Python, utilizando o framework Keras. Resultados obtidos dos dois modelos que foram comparados. Verificou-se, também, para um horizonte de seis meses que o modelo LSTM apresentou um melhor desempenho que o modelo MLP.

Resumo Inglês:

Aluminum is a non-ferrous metal, widely used in the metallurgical, pharmaceutical, aeronautical and food industries. The price of aluminum has many factors of uncertainty. Therefore, its forecast is very important in the definition of industrial policies, as well as for producers and consumers. In this context, the present work aims to evaluate the effectiveness of models of artificial neural networks (ANNs, for forecasting the price of aluminum. The database presents a historical series, of the price of aluminum, in the period between 2005 and 2020. Forecasting models, based on LSTM (Long Short-Term Memory) and MLP (Multilayer Perception) Neural Networks, were implemented in Python language using Keras framework. Results obtained from the two models were compared. We found for a six-month horizon, that the LSTM model performed better than the MLP model.

Resumo Espanhol:

El aluminio es un metal no ferroso muy utilizado en las industrias metalúrgicas, farmacéuticas, aeronáuticas y alimentarias. El precio del aluminio presenta muchos factores de incertidumbre. Por tanto, su previsión es muy importante en la definición de políticas industriales, así como para productores y consumidores. En este contexto, este trabajo tiene como objetivo evaluar la efectividad de modelos de redes neuronales artificiales (ANN) para predecir el precio del aluminio. La base de datos presenta una serie histórica de precios del aluminio para el período comprendido entre 2006 y 2020. Los modelos de pronóstico, basados ​​en redes neuronales LSTM (Long Short-Term Memory) y MLP (Multilayer Perception), se implementaron en lenguaje Python, utilizando el framework Keras. Se compararon los resultados obtenidos de los dos modelos. Se verificó, también para un horizonte de seis meses, que el modelo LSTM presentó un mejor desempeño que el modelo MLP.