REDES NEURAIS PARA PREVISÃO DA PRODUÇÃO INDUSTRIAL DE DIFERENTES SEGMENTOS

Este trabalho tem como objetivo propor um modelo de rede neural para previsão de séries de produção de onze segmentos industriais brasileiros. Primeiramente, estudou-se diferentes tipos de redes que vêm sendo implementadas na literatura nos últimos anos, como Perceptron, Redes Lineares, Perceptron Multi-Camadas, Redes BAM e ART, Rede Probabilística, Hopfield, Kohonen, TDNN (Time delay neural network), Rede de Elman e Jordan, além dos algoritmos Backpropagation e Levenberg-Marquadt. Estudando o comportamento dessas séries de produção e as principais características de cada tipo de rede, concluímos que a rede Perceptron Multi-Camadas com atraso no tempo (TDNN) é a melhor para o cálculo e análise da previsão da produção dos onze segmentos escolhidos do setor industrial. A rede neural foi então aplicada considerando duas diferentes estratégias de modelo estrutural. Concluímos que o modelo de rede neural proposto foi eficaz na previsão de séries de produção de segmentos industriais