Previsão de Produção de Açúcar no Estado de São Paulo Utilizando Aprendizado de Máquina

Análise de Interpretabilidade via Shapley Additive Explanations

Resumo

O Brasil é o maior produtor mundial de cana-de-açúcar, e o estado de São Paulo se destaca nesse cenário, concentrando 50% da área cultivada e sendo responsável por 60% da produção nacional e 30% da produção global [1]. Dada a relevância desse setor para a economia e o mercado global, a utilização de modelos matemáticos e métodos computacionais torna-se essencial para a análise de dados, otimização de processos e suporte a decisões estratégicas, contribuindo para a eficiência e sustentabilidade da produção. Sendo assim, o presente trabalho tem como foco a análise de explicabilidade da previsão da produção de açúcar utilizando o algoritmo Random Forest (RF) e o método SHAP (SHapley Additive exPlanations) para interpretar o impacto de cada variável no modelo. Para a previsão, além das variáveis originais (produção de açúcar, cana-de-açúcar e etanol, períodos de safra, preço de revenda do açúcar e do etanol, preço do açúcar total recuperável (ATR) e valor do açúcar na bolsa de NY), aplicou-se engenharia de atributos para a criação de novas variáveis, bem como Random Search para otimização do modelo [3]. O conjunto de dados (mensais) foi dividido em 80% para treinamento e 20% para teste, abrangendo o período de 31/01/2012 a 31/03/2023. [...]