Abstract:
RESUMO O Estado do Piauí é um dos maiores produtores de mel do Brasil, tendo a apicultura uma grande importância socioeconômica para vários municípios do Estado. Conhecer os fatores que permitam o desenvolvimento da produção melífera, são essenciais para o crescimento econômico, principalmente para a apicultura ligada à agricultura familiar. As mudanças climáticas de uma região são uma das características que interferem diretamente na produção do mel. Desta forma, buscar conhecer como essas alterações podem interferir no resultado do desenvolvimento da apicultura é de fundamental importância para o setor produtivo. O uso de tecnologias de Inteligência Artificial permite a execução de atividades como reconhecimento de padrões e predições de valores a partir de séries temporais. Neste trabalho foram investigadas combinações de modelos de Redes Neurais (CNN-Dense; GRU-Dense e LSTM-Dense), com o intuito de determinar qual apresenta melhor desempenho na predição do quantitativo de mel produzido com base nos dados climáticos diários. Neste trabalho, usamos como estudo de casos, dados da região de Piracuruca. As redes estudadas obtiveram resultados nos índices de erro médio quadrático – RMSE (Root Mean Squared Error) e desvio padrão da produção inferiores a 3% do valor da produção para um período estudado. Dos modelos propostos no estudo, pode-
se destacar o modelo LSTM-Dense, do qual se obteve os melhores resultados nos índices estudados, principalmente no índice R2, que representa o coeficiente de determinação, obtendo uma precisão de 99,999% quando comparado aos resultados encontrados da produção pela rede neural com os dados conhecidos da base de teste. Demonstrou-se assim a eficiência no uso dos modelos de Redes Neurais para o reconhecimento de padrões climáticos na predição da produção de mel.
ABSTRACT The State of Piauí is one of the largest producers of honey in Brazil, with beekeeping having a great socioeconomic importance for several municipalities in the State. Knowing the factors that allow the development of honey production are essential for economic growth, especially for beekeeping linked to family farming. The climatic changes in a region are one of the characteristics that directly interfere in the production of honey. In this way, seeking to know how these changes can interfere with the result of the development of beekeeping is of fundamental importance for the productive sector. The use of Artificial Intelligence technologies allows the execution of activities such as pattern recognition and value predictions from time series. In this work, combinations of Neural Networks models (CNN-Dense; GRU-
Dense and LSTM-Dense) were investigated, in order to determine which, one has the best performance in predicting the quantity of honey produced based on daily climate data. In this work, we used data from the Piracuruca region as a case study. The studied networks obtained results in the root mean squared error – RMSE (Root Mean Squared Error) and production standard deviation lower than 3% of the production value for a studied period. Of the models proposed in the study, the LSTM-Dense model can be highlighted, from which the best results were obtained in the studied indices, mainly in the R2 index, which represents the coefficient of determination, obtaining a precision of 99.999% when compared to the results found output by the neural network with the known data from the test base. Thus, it was demonstrated the efficiency in the use of Neural Network models for the recognition of climatic patterns in the prediction of honey production.