Use este identificador para citar ou linkar para este item: http://repositorio.ifg.edu.br/handle/prefix/249
Tipo: Trabalho de Conclusão de Curso
Título: Previsão de ICMS por Rede Neural Backpropagation
Autor(es): Araújo, Elias de Moura
Bandeira, Josué de Paula
Primeiro Orientador: Lima, Ricardo Rodrigues Dias de
Resumo: O ICMS é a maior fonte de receita para os 26 estados brasileiros e Distrito Federal, em 2018 foi responsável por 7% do PIB brasileiro. No entanto, é um tributo de aplicação complexa, e seus setores constantemente sofrem influências externas, como fatores políticos, econômicos, financeiros, climáticos, entre muitos outros. São todas essas variáveis que tornam o ICMS nada tendencioso. Porém, sua previsão é de extrema importância para o governo em todos os seus níveis. Foi a partir deste cenário que decidimos desenvolver uma aplicação para realizar a previsão de ICMS utilizando redes neurais artificiais backpropagation, no qual é descrito como o objetivo geral deste trabalho. Como objetivo específico, estabelecemos diversas estruturas de rede e estratégias de utilização dos dados (arrecadações de ICMS no intervalo mensal de Janeiro/1997 à Outubro/2018) a fim de encontrarmos uma menor margem de erro na previsão de arrecadações futuras de ICMS a partir das arrecadações passadas. Dentre estas estratégias, definimos 6 formas diferentes de utilização das amostras, 3 funções de ativação diferentes, 3 estratégias diferentes de quantidade de neurônio na camada oculta, 2 formas de iniciar as amostras, 2 formas de iniciar os pesos, 5 estratégias de utilização da taxa de aprendizagem e 4 estratégias diferentes de utilização das arrecadações. Com isso, executamos 4.320 vezes o projeto, onde cada execução teve a finalidade de testar uma estratégia e utilização de dados específica. Ao final desses testes, observamos os resultados das estratégias, comparando as suposições com suas respectivas variações e, comparando também, em um âmbito geral através de diferentes amostragens de dados.
Abstract: The ICMS is a major source of revenue for the 26 Brazilian states and the Federal District, in 2018 was responsible for 7% of the Brazilian GDP. However, it is a tribute to petition the complex form, and its own indicators of external influence, such as political leaders, profits, financing, and climate, among many others. All the variables make the ICMS nothing biased. But his prediction is of utmost importance to the government at all levels. This study was developed that decided to develop an application to make a prediction of ICMS using artificial neural networks of backpropagation, not the latter as a whole of this work. As a specific objective, the different network structures and data utilization strategies (ICMS collections in the monthly range from January 1997 to October 2018) in order to find a smaller margin of error in the forecast of future ICMS collections from past collections. Among the strategies, the 6 ways of using the samples, 3 different access functions, 3 neuron quantity spheres in the hidden layer, 2 ways to start as samples, 2 ways to start weights, 5 strategies for using the learning rate and 4 different strategies for using collections. With this, we executed 4,320 times the project, where each execution had a purpose of testing a strategy and using the data information. When finalizing the tests, observe the results of the strategies, comparing the assumptions with their sources and, also comparing, in general, through the different data samples.
Palavras-chave: Redes Neurais Artificiais
Perceptron multicamadas
Backpropagation
Reconhecimento de padrão
Previsão de ICMS
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Insitituto Federal de Educação, Ciência e Tecnologia de Goiás
Sigla da Instituição: IFG
metadata.dc.publisher.department: Câmpus Inhumas
Tipo de Acesso: Acesso Aberto
URI: http://repositorio.ifg.edu.br/handle/prefix/249
Data do documento: 27-Mai-2019
Aparece nas coleções:Bacharelado em Informática

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC.pdf13,07 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.