Ethanol Fuel Demand Forecasting in Brazil Using a LSTM Recurrent Neural Network Approach

Authors

Keywords:

ethanol, Deep Learning, LSTM, recurrent neural network, time series forcasting

Abstract

Ethanol is a biofuel widely consumed in Brazil, which functions as a substitute for gasoline since the late 1970s. Due to several fluctuations in the characteristics of the Brazilian vehicle fleet and the political-economic conditions of the country, forecasting ethanol consumption has become a difficult task to perform. Under this scenario, the aim of this paper was to forecast ethanol consumption in Brazil using an approach of Long-Short Term Memory (LSTM) Recurrent Neural Networks (RNN) and Autoregressive Integrated Moving Average (ARIMA) models. The above, taking into consideration univariate and multivariate models for each case. Likewise, single-layer and multi-layer topologies of LSTM RNN were explored in this study. The results show that LSTM models overperformed ARIMA models even working with a relatively small training dataset of just 180 instances. This, for both univariate and multivariate models. A novel approach for searching suitable LSTM Neural Network topologies is proposed in this paper.

Downloads

Download data is not yet available.

Author Biographies

Jorge Puentes Márquez, Tecnológico Nacional de México en Celaya

Jorge Armando Puentes Márquez posee grado en Ingeniería Industrial por parte de la Corporación Universitaria del Caribe, Colombia (2016). Magíster en Ingeniería Industrial en formación por parte del Tecnológico Nacional de México en Celaya. Actualmente, desempeña labores de investigación en la Universidad de São Paulo y el Tecnológico Nacional de México en Celaya en tópicos relacionados a Redes Neuronales Artificiales e Industria 4.0.

Celma de Oliveira Ribeiro, Universidade de São Paulo

Celma de Oliveira Ribeiro posee grado en Ciencias de la Computación por parte de la Universidad de São Paulo (1980), Maestría en Matemática Aplicada por parte de la Universidad de São Paulo (1987), Doctorado en Ingeniería (Engenharia de Produção) por parte de la Universidad de São Paulo (1997) y Post-doctorado por parte de la Universidad de Oporto (2002). Actualmente es profesora asociada en la Universidad de São Paulo y revisora de varias revistas nacionales e internacionales.

Edgar Ruelas Santoyo, Instituto Tecnológico Superior de Irapuato

Edgar Augusto Ruelas Santoyo posee licenciatura y maestría en Ingeniería Industrial por parte del Tecnológico Nacional de México en Celaya, México (2008 y 2011 respectivamente). Doctorado en Ingeniería Industrial por parte del Posgrado Interinstitucional en Ciencia y Tecnología (PICyT) de CIATEC, México (2015). Actualmente es profesor titular en el Instituto Tecnológico Superior de Irapuato. Sus principales intereses de investigación son: Estadística Industrial, Procesamiento digital de imágenes, Lógica Difusa, y Redes Neuronales.

Vicente Figueroa Fernández, Tecnológico Nacional de México en Celaya

Vicente Figueroa Fernández posee Maestría en Ciencias en Ingeniería Industrial por parte del Tecnológico Nacional de México en Celaya (2000). Actualmente es profesor investigador, miembro de un cuerpo académico, y coordinador de la Maestría en Ingeniería Industrial del Tecnológico Nacional de México en Celaya. Además, se desempeña como tutor de incubadora empresarial y ha dirigido múltiples tesis de maestría. Sus áreas de investigación son Logística y operaciones, Industria 4.0, y Diseño y mejora de procesos y productos.

Published

2021-06-07

How to Cite

Puentes Márquez, J., de Oliveira Ribeiro, C., Ruelas Santoyo, E., & Figueroa Fernández, V. (2021). Ethanol Fuel Demand Forecasting in Brazil Using a LSTM Recurrent Neural Network Approach. IEEE Latin America Transactions, 19(4), 551–558. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/3713