Aplicação de Redes Neurais para Previsão dos Custos de Refino e de Extração da Petrobras

As incertezas estão presentes em qualquer instituição. No setor petrolífero, considerado de intenso capital e alto risco, elas são ainda mais potencializadas. Nessa conjuntura, modelos preditivos podem ser empregados para reduzir essas incertezas e melhorar as decisões empresariais. Diante disso, este artigo propõe um método de previsão para os custos de refino e de extração da Petrobras, baseado em séries temporais, por meio das redes neurais recorrentes. Para atender a esse propósito, foi treinado e testado o modelo numa amostra contendo 72 observações trimestrais de cada custo. Em seguida, foi avaliada a precisão do modelo por meio de gráficos e com o auxílio dos indicadores do erro percentual absoluto médio [MAPE] e da raiz quadrada média do erro [RMSE]. Os resultados mostraram que o modelo proposto foi capaz de oferecer estimativas razoáveis para os custos estudados, indicando que ele pode servir para previsões nos processos decisórios da empresa.