Modelagem preditiva de preços de madeira e celulose via aprendizado de máquinas

Resumo

Este estudo avaliou a aplicação de algoritmos de aprendizado de máquina na modelagem preditiva de preços de commodities florestais, com foco em madeira e celulose. Foram analisadas quatro categorias: celulose de madeira, madeira compensada, madeira serrada de folhosas e madeira serrada de coníferas, utilizando dados históricos (1926–2025). Os dados foram normalizados e os modelos foram treinados e validados com a métrica de erro quadrático médio. Três algoritmos foram testados: LSTM, GRU e MLP. Os resultados indicaram que o MLP apresentou o melhor desempenho em todos os conjuntos, tanto em termos numéricos quanto graficamente, demonstrando maior aderência aos padrões reais de mercado, inclusive em períodos de alta volatilidade. A pesquisa reforça o potencial da inteligência artificial como ferramenta de suporte à tomada de decisão no setor florestal, contribuindo para o planejamento estratégico e a gestão eficiente de riscos em cadeias produtivas baseadas em recursos renováveis.