Modelagem Preditiva da Bioenergia na Agroindústria Paulista

uma Abordagem via Florestas Aleatórias

Abstract

A bioenergia proveniente principalmente da cana-de-açúcar desempenha um papel estratégico na matriz energética brasileira, destacando-se como uma alternativa sustentável aos combustíveis fósseis. No contexto paulista, essa fonte de energia assume uma relevância ainda maior, visto que o Estado de São Paulo lidera a produção nacional de cana-de-açúcar, responsável por aproximadamente 50% da área plantada no país. Atualmente, cerca de 80% da matéria-prima utilizada para a geração de bioeletricidade no Brasil vem do bagaço da cana, contribuindo para uma produção total superior a 14 mil MW no estado, o que equivale à capacidade instalada da usina hidrelétrica de Itaipu. Esse potencial energético permite não apenas a diversificação da matriz elétrica, mas também a redução da emissão de gases de efeito estufa, consolidando a bioeletricidade da cana como um pilar essencial na transição para uma economia de baixo carbono. Diante da significativa relevância econômica e social da bioenergia, o estudo de modelos matemáticos e métodos computacionais voltados à análise da sua produção torna-se fundamental para embasar decisões estratégicas e eficientes. Dessa forma, este trabalho pretende explorar o método de aprendizagem Floresta Aleatória (sigla RF, do inglês, Random Forest) para estimar a futura produção de bioenergia advinda da cana-de-açúcar no estado de São Paulo. Para tal, foi necessária a integração de dados de diversas fontes em um único modelo de predição, oferecendo uma visão mais completa e precisa do processo de produção de bioenergia, com implicações diretas para a sustentabilidade e a segurança energética em escala global. [...]