Aplicação de Redes Neurais na Previsão de Custos de Produção de Frangos de Corte no Estado do Paraná / Application of Neural Networks to Forecast Broiler Production Cost in the State of Paraná

Resumen

A avicultura é um dos principais componentes do agronegócio paranaense. A produção de frangos de corte contribui significativamente para a economia estadual. O produtor paranaense, na gestão da produção de frangos de corte, leva em conta os dados de desempenho, a forma de renumeração dos lotes e os custos de produção. Os custos de produção refletem diretamente na rentabilidade do seu negócio. Neste contexto, este trabalho tem como objetivo avaliar a eficácia de modelos de redes neurais artificiais, para previsão dos custos de produção de frangos de corte no estado do Paraná. A base de dados disponibilizada pela Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA), apresenta uma série de custos mensal compreendida entre Janeiro/2010 e Novembro/2020. Modelos de previsão, baseados em Redes Neurais MLP (Multilayer Perception) e LSTM (Long Short-Term Memory) foram implementados, na linguagem Python, utilizando o framework Keras. Os resultados obtidos para um horizonte de onze meses, mostram que o modelo LSTM apresentou, na previsão dos custos de produção, um melhor desempenho.

Palavras-chave: Avicultura. Redes Neurais. Paraná.

ABSTRACT

Broiler sector is one of the main components of agribusiness in Paraná. The production of broiler chickens contributes significantly to the state economy. The producer from Paraná, when managing the production of broiler chickens, takes into account the performance data, the form of renumbering the lots and the production costs. Production costs directly reflect the profitability of your business. In this context, this work aims to evaluate the effectiveness of models, of artificial neural networks, for forecasting the production costs of broilers in the state of Paraná. The database, made available by the Brazilian Agricultural Research Corporation (EMBRAPA), presents a series of monthly costs between January/2010 and November/2020. Prediction models, based on MLP (Multilayer Perception) and LSTM (Long Short-Term Memory) Neural Networks were implemented, in the Python language, using the Keras framework. The results obtained, for an eleven-month horizon, show that the LSTM model presented, in the forecast of production costs, a better performance.

Keywords: Broiler sector. Neural Networks. Paraná.