Basic Food Basket Monthly Price of Southern Bahia Cities: A Time Series Forecasting with Deep Learning Using a Recurrent Neural Network Approach

Resumo

O objetivo da análise de séries temporais é extrair informações não triviais de pontos organizados cronologicamente. A criação de dados de séries temporais não é uma tarefa difícil, porém o mesmo não se pode dizer de suas análises e previsões, sendo esses processos considerados em 2006 um dos dez principais desafios no campo de pesquisas em mineração de dados. A série temporal utilizada neste estudo foi uma série econômica com os preços mensais da cesta básica nas cidades de Ilhéus e Itabuna na região sul da Bahia. Ao analisar séries temporais, diferentes métodos podem ser aplicados, mas recentemente os métodos relacionados ao Aprendizado Profundo estão se tornando mais populares, sendo as redes neurais recorrentes (RNRs) as mais populares entre eles. Este trabalho utilizou uma arquitetura RNR em três experimentos distintos, prevendo em diferentes prazos os preços das séries temporais da cesta básica de 2019 e 2020. Todos os experimentos apresentaram resultado satisfatórios e sensibilidade ao comportamento das séries dos valores reais. Esses resultados sugerem que a arquitetura RNN pode generalizar bem as séries temporais para períodos ainda não vistos pela rede e que pode ter um desempenho ainda melhor em um ambiente mais abundante em dados.