“Modelos para Previsão de Arrecadação de ICMS em Minas Gerais Utilizando Redes Neurais LSTM”
ICMS, Minas Gerais, Previsão Tributária, Redes Neurais LSTM, Gestão Fiscal.
Esta dissertação investiga a utilização de modelos avançados para previsão da arrecadação de ICMS no estado de Minas Gerais, empregando Redes Neurais de Longa Memória Recorrente (LSTM). O estudo propõe uma abordagem inovadora na análise de dados tributários, destacando a capacidade das LSTMs em capturar e aprender padrões temporais complexos. O conjunto de dados inclui informações históricas de arrecadação, e variáveis econômicas relevantes. A metodologia envolve treinamento e validação dos modelos com base nesses dados, resultando em um aprimoramento das técnicas de previsão tributária. Os resultados destacam a eficácia das LSTMs na antecipação da arrecadação de ICMS, proporcionando informações valiosas para aprimorar a eficiência da gestão fiscal.