Aplicação de Inteligência Artificial na Previsão de Produção de Açúcar no Estado de São Paulo

• Processo: 23/05265-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 27 de setembro de 2025
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Marilaine Colnago
• Beneficiário: Lucas Alexandre Borges de Matos
• Instituição Sede: Instituto de Química (IQ). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Bolsa(s) vinculada(s): 24/16195-0 - Aplicação de Técnicas de Inteligência Artificial para a Previsão da Produção e Preço de Açúcar na União Europeia, BE.EP.IC
• Assunto(s): Aprendizado computacional Redes neurais (computação) Setor sucroenergético
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Metodologias e técnicas de computação | produção de açúcar | Random Forest | Redes Neurais Artificiais | setor sucroalcooleiro | Engenharias/Tecnologia

Resumo

A cana-de-açúcar desempenha um papel essencial na economia brasileira. O país é o maior produtor do mundo, sendo que 55% da área plantada está localizada no Estado de São Paulo. O estado é também o maior produtor de açúcar do Brasil, respondendo por cerca de 60% da produção nacional e cerca de 30% da produção mundial. Diante de um cenário de tamanha importância a nível econômico e social, o estudo de modelos matemáticos e métodos computacionais que buscam analisar a a produção de açúcar, pode se tornar essencial para respaldar decisões importantes, sejam elas tomadas por agências governamentais, consumidores locais, ou ainda por setores da indústria da agricultura de energia ou do mercado de subprodutos da cana-de-açúcar. Desta forma, o presente projeto visa estudar a produção de açúcar no estado de São Paulo a partir de modelos de Aprendizado de Máquina (AM) e ferramentas de Análise Exploratória de Dados (AED). Para o desenvolvimento da pesquisa, serão exploradas duas metodologias de AM: Florestas aleatórias (Random Forest), e Redes Neurais Artificias (RNAs). Os modelos serão codificados e validados a partir de bases de dados reais de produção de etanol no estado, cujo arcabouço computacional a ser desenvolvido poderá servir para o aprimoramento do setor de subprodutos da cana-de-açúcar.