Gestão preditiva dos custos de alimentação de suínos utilizando redes neurais híbridas CNN-LSTM
DOI:
https://doi.org/10.22279/navus.v18.2060Resumo
O custo com alimentação é o fator que mais influencia o custo total de produção de suínos. Para o produtor, na gestão do seu negócio, a previsão desse custo é fundamental. Neste contexto, este trabalho propõe a utilização da rede CNN-LSTM (Convolutional Neural Network - Long Short Term Memory) multivariada para previsão do custo da ração para alimentação de suínos no estado do Paraná. A base de dados é formada, no período de janeiro/2007 a maio/2024, por séries mensais do custo da ração, do preço do farelo de soja e do preço do milho. Modelos de previsão univariados e multivariados foram implementados, na linguagem Python, utilizando o framework Keras. Resultados de modelos de previsão CNN-LSTM e LSTM, em suas versões univariada e multivariada, foram comparados por meio das métricas MAE (Mean Absolute Error), RMSE (Root Mean Squared Error) e MAPE (Mean Absolute Percentage Error). Verificou-se, para um horizonte de 12 meses, que o modelo CNN-LSTM multivariado apresentou o melhor desempenho (MAE=0,1 R$/kg, RMSE=0,13 R$/kg e MAPE=2,45%).
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Aldino Normelio Brun Polo, José Airton Azevedo dos Santos
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
O conteúdo da revista é de acesso público e gratuito, podendo ser compartilhado de acordo com os termos da Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil. Você tem a liberdade de compartilhar — copiar, distribuir e transmitir a obra, sob as seguintes condições:
a) Atribuição — a atribuição deve ser feita quando alguém compartilhar um de seus artigos e deve sempre citar o nome da revista e o endereço do conteúdo compartilhado.
b) Uso não-comercial — você não pode usar esta obra para fins comerciais.
c) Vedada à criação de obras derivadas — você não pode alterar, transformar ou criar em cima desta obra.
Ficando claro que:
Renúncia — qualquer das condições acima pode ser renunciada se você obtiver permissão do titular dos direitos autorais. Domínio Público — onde a obra ou qualquer de seus elementos estiver em domínio público sob o direito aplicável, esta condição não é, de maneira alguma, afetada pela licença.
Outros Direitos — os seguintes direitos não são, de maneira alguma, afetados pela licença:
- Limitações e exceções aos direitos autorais ou quaisquer usos livres aplicáveis;
- os direitos morais do autor;
- direitos que outras pessoas podem ter sobre a obra ou sobre a utilização da obra, tais como direitos de imagem ou privacidade.
Aviso — para qualquer reutilização ou distribuição, você deve deixar claro a terceiros os termos da licença a que se encontra submetida esta obra.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
Os trabalhos publicados passam a ser propriedade da revista Navus: Revista de Gestão e Tecnologia que deve ser consignada a fonte de publicação original. Os originais não serão devolvidos aos autores.
As opiniões emitidas pelos autores nos artigos são de sua exclusiva responsabilidade.
Esta obra está licenciada sob uma Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil.
