Guimarães, Frederico GadelhaTonidandel Júnior, Hamilton2022-09-162022-09-162022TONIDANDEL JÚNIOR, Hamilton. Previsão de preços de minério de ferro utilizando modelos de inteligência computacional. 2022. 62 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.http://www.repositorio.ufop.br/jspui/handle/123456789/15338Programa 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.A 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.pt-BRabertoAnálise de séries temporais - séries temporais nebulosasMinérios de ferro - economia do mercado - previsãoMinérios de ferroDissertacaoAutorização 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.