Previsão de Produção de Açúcar no Estado de São Paulo utilizando Aprendizado de Máquina: Análise de Interpretabilidade via Shapley Additive Explanations

Este estudo emprega Random Forest para prever a produção de açúcar e utiliza o método SHAP para interpretar os fatores mais relevantes no modelo. A análise, baseada em dados mensais de 2012 a 2023, mostra que preços elevados do etanol reduzem a previsão da produção de açúcar, enquanto a safra está associada a maiores valores. A otimização dos hiperparâmetros foi realizada por Random Search e validação cruzada e indicou um MAPE inferior a 10%, evidenciando a precisão do modelo. A integração entre Aprendizado de Máquina e interpretabilidade do SHAP aprimora a transparência das previsões, auxiliando no planejamento estratégico do setor sucroenergético.