Modelagem e previsão da produção brasileira de biodiesel utilizando séries temporais
DOI:
https://doi.org/10.22478/ufpb.1981-1268.2018v12n3.37324Resumo
Os biocombustíveis são, atualmente, as melhores alternativas para a redução do uso de combustíveis fósseis, que representam a maior parte da matriz energética brasileira. Oriundo principalmente a partir de biomassa vegetal, o biodiesel é um combustível limpo e renovável que pode substituir quase todos os derivados de petróleo sem modificações nos motores, diminuindo a dependência dos combustíveis fósseis e causando menores prejuízos ao meio ambiente, se comparado aos prejuízos ocasionados por combustíveis derivados do petróleo. Com base na preocupação ambiental e através de análises de séries temporais, foram propostos possíveis modelos de predição para a produção de brasileira de biodiesel, utilizando dados da produção nacional em m³ no período entre janeiro de 2005 e abril de 2018, disponibilizados livremente através do site da ANP - Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Os modelos de previsão foram estimados considerando a sazonalidade apresentada pela série temporal, através da metodologia de Box e Jenkins e do algoritmo de alisamento exponencial de Holt-Winters. Os modelos propostos responderam satisfatoriamente às expectativas, mostrando erros de predição relativamente pequenos, bem como um bom ajuste aos dados. O trabalho apresentou resultados que contribuem positivamente para a sociedade, na busca de recursos cada vez mais ecologicamente sustentáveis.
Downloads
Referências
Babosa EC, Sáfadi T, Nascimento M, Nascimento ACC, Silva CHO e Manuli RC. 2015. Metodologia Box & Jenkins para a previsão de temperatura média mensal da cidade de Bauru (SP). Rev. Bras. Biom. 33(2): 104 – 117.
Bicalho CC, Sáfadi T e Charret IC. 2014. The influence of climatic factors on dengue epidemies in the cities Cuiabá (Mato Grosso state) and Lavras (Minas Gerais state), Brazil, using statistical methods. Rev. Bras. Biom. 32(2): 308 – 322.
Box GEP, Jenkins GM, Reisnel GC e Ljung GM. 2015. Time Series Analysis: Forecasting and Control. 15 ed. Wiley: San Francisco, 712p.
Box GEP, Jenkins GM e Reisnel GC. 1994. Time Series Analysis: Forecasting and Control. 2 ed. Prentice-Hall: New York, 500p.
Carmo BBT, Pontes HLJ, Albertin MR, Barros Neto JF, Dutra NGS. 2009. Avaliação da Demanda por Biodiesel em Função de um Modelo de Previsão de Demanda por Diesel. Revista Produção On Line, 9(3): 511 – 535.
Cryer JD e Chan KS. 2008. Time Series Analysis: With Applications in R. Springer-Verlag: New York, 303p.
Freitas C e Penteado M. 2006. Biodiesel – Energia do Futuro. Letra Boreal, São Paulo, 353p.
Holt CC. 1957. Forecasting Trends and Seasonal by Exponentially Weighted Moving Averages. Carnegie Institute of Technology, 2(52).
Hyndman RJ. 2016. Forecasting functions for time series and linear models. R package version 7.1.
Hyndaman RJ e Khandakar Y. 2008. Automatic time series forecasting: the forecast package for R. Journal of Statistical Software, 26(3):1-22.
Liska GR, Bortolini J, Sáfadi T, Beijo LA. 2013. Estimativas da velocidade máxima de vento em Piracicaba – SP via séries temporais e teoria de valores extremos. Rev. Bras. Biom., 31(2): 295 – 309.
Morettin PA e Toloi CMC. 2004. Análise de Séries Temporais. ABE – Projeto Fisher e Edgard Blucher, 564p.
Mota CJA e Pestana CFM. 2011. Co-produtos da produção de biodiesel. Revista Virtual de Química, 3(5): 416 – 425.
Oliveira MRG, Cantalice JRB, Ferreira TAE, Filho MC, Cruz DV, Falcão APST. 2015. Estudo estatístico do coeficiente de escoamento da bacia hidrográfica do Riacho Jacu no Sertão do Pajeu – PE. Rev. Bras. Biom, 33(3): 277 – 290.
Osaki M e Batalha MO. 2011. Produção de biodiesel e óleo vegetal no Brasil: Realidade e desafio. Organizações Rurais & Agroindustriais, 13(2): 227 – 242.
Parente EJS. 2003. BIODIESEL: Uma Aventura Tecnológica num País Engraçado. Tecbio, Fortaleza, 66p.
R Core Team. 2015. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.
Serra T. 2013. Time‐series econometric analyses of biofuel‐related price volatility. Agricultural Economics, 44(1): 53 - 62.
Sharma P, Chandra A e Kaushik SC. 2009. Forecasts using Box–Jenkins models for the ambient air quality data of Delhi City. Environ Monit Assess, 157: 105 – 112.
Souza O, Schulz MA, Fischer GAA, Wagner TM, Sellin N. 2012. Energia Alternativa de Biomassa: Bioetanol a Partir da Casca e da Polpa de Banana. Revista Brasileira de Engenharia Agrícola e Ambiental, 16(8): 915 – 921.
Tablada CJ, Ramírez FAP, Vieira GIA, Vasconcelos JM. 2016. Modelagem e previsão de exportações do Brasil fazendo uso de séries temporais. Rev. Bras. Biom. 34(1): 33 – 48.
Trapletti A e Hornik K. 2016. tseries: Time Series Analysis and Computational Finance. R package version 0.10-35.
Winters, PR. 1960. Forecasting sales by exponentially weighted moving averages. Management Science, 6: 324 – 342.
