Previsão do consumo de gás no processo de pelotização através de séries temporais multivariadas

O consumo de gás em uma planta de pelotização tem um papel de grande relevância no processo, tanto por seu impacto financeiro quanto pelo potencial impacto ambiental de um consumo acima do necessário. A previsão do consumo é uma alternativa para que medidas possam ser tomadas visando um consumo mais otimizado. Neste trabalho buscou-se desenvolver um modelo de previsão de consumo de gás, utilizando modelos de aprendizado de máquina, de tal forma, que a previsão superasse as previsões de métodos estatísticos clássicos. Para isto foram utilizados métodos de seleção de características, redução de dimensionalidade e exploração de parâmetros e arquiteturas de redes neurais com diferentes metodologias de AutoML. Os resultados das predições dos modelos resultantes foram avaliados pela métrica raiz quadrada do erro médio RMSE (do inglês \textit{Root Mean Squared Error}), e apresentaram uma redução do RMSE de 0,7 (melhor modelo estatístico) para 0,32, com o modelo de RNN obtido com o \textit{framework} NEAT, assim como potenciais a serem explorados por outras metodologias de exploração de parâmetros.