Previsão de preços de minério de ferro utilizando modelos de inteligência computacional.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGuimarães, Frederico Gadelha-
Autor(es): dc.contributorGuimarães, Frederico Gadelha-
Autor(es): dc.contributorReis, Agnaldo José da Rocha-
Autor(es): dc.contributorSilva, Petrônio Cândido de Lima e-
Autor(es): dc.contributorBallini, Rosângela-
Autor(es): dc.creatorTonidandel Júnior, Hamilton-
Data de aceite: dc.date.accessioned2025-08-21T15:55:42Z-
Data de disponibilização: dc.date.available2025-08-21T15:55:42Z-
Data de envio: dc.date.issued2022-09-16-
Data de envio: dc.date.issued2022-09-16-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttp://www.repositorio.ufop.br/jspui/handle/123456789/15338-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1027690-
Descrição: dc.descriptionPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.-
Descrição: dc.descriptionA estimativa do comportamento futuro da série temporal de preços de minério de ferro a curto prazo é uma ferramenta importante na elaboração de projetos de mineração relacionados ao planejamento operacional. O presente trabalho propõe, neste contexto, um estudo comparativo entre modelos preditivos construídos por meio técnicas de inteligência computacional, e avalia a acuracidade dos modelos nebulosos PWFTS (Probabilistic Weighted Fuzzy Time Series) e FDT-FTS (Fuzzy Decision Trees) em relação aos modelos preditivos ARIMA, Multilayer Perceptron (MLP) e Xgboost. Para garantir a variabilidade dos padrões de entrada, os dados são distribuídos em subconjuntos de janelas deslizantes. Em um contexto multivariado, variáveis preditoras são selecionadas por meio de análise correlacional e causal com a série temporal principal, com destaque para a inclusão do excedente produtivo de minério de ferro da Vale S.A., que apresentou considerável grau de contribuição no poder de generalização dos modelos. Os resultados indicam superioridade dos modelos nebulosos nas métricas RMSE e MAPE, e na estatística U de Theil.-
Descrição: dc.descriptionThe estimation of the future behavior of a short-term iron ore price time series is an important tool in the elaboration of mining projects related to operational planning. The present work proposes, in this context, a comparative study between different predictive models, built through computational intelligence techniques, and evaluates the accuracy of the fuzzy models PWFTS (Probabilistic Weighted Fuzzy Time Series) and FDT-FTS (Fuzzy Decision Trees) in relation to the models ARIMA, Multilayer Perceptron (MLP) and Xgboost. To ensure the variability of the input patterns, the data is distributed in subsets of sliding windows. In a multivariate context, predictor variables are selected through correlational and causal analysis with the main time series, with emphasis on the inclusion of the productive surplus of iron ore from Vale S.A., which presented a considerable degree of contribution to the generalization power of the models. The results indicate superiority of the fuzzy models in the RMSE and MAPE metrics, and in Theil's U statistic.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 08/09/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.-
Palavras-chave: dc.subjectAnálise de séries temporais - séries temporais nebulosas-
Palavras-chave: dc.subjectMinérios de ferro - economia do mercado - previsão-
Palavras-chave: dc.subjectMinérios de ferro-
Título: dc.titlePrevisão de preços de minério de ferro utilizando modelos de inteligência computacional.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.