PT
A transição para fontes de energia mais limpas na União Europeia prioriza o gás natural,
no entanto, a Guerra Russo-Ucraniana causou flutuações imprevisíveis nos preços. Nosso
estudo visou aprimorar modelos preditivos explorando dados do GDELT, analisando o
desempenho pré e pós-guerra, e comparando modelos de ”Deep Learning” (RNN, LSTM,
GRUNN). A incorporação de dados de petróleo bruto e sentimento médio da notícia melhorou
significativamente as previsões. Fatores geopolíticos exigem mais pesquisas para
garantir segurança energética e desenvolvimento económico. Empregando a metodologia
CRISP-DM, estabelecemos uma abordagem sistemática para enfrentar esses desafios.
Nosso estudo contribui com insights valiosos para aprimorar as previsões e adaptar modelos
aos complexos mercados de energia.
EN
The transition to cleaner energy in the European Union prioritizes natural gas, yet the
Russo-Ukrainian War caused unpredictable price fluctuations. Our study aimed to enhance
predictive models by exploring GDELT data, analyzing pre- and post-war performance,
and comparing deep learning models (RNN, LSTM, GRUNN). Incorporating
crude oil and average tone data significantly improved predictions. Geopolitical factors
necessitate further research to ensure energy security and economic development. Employing
CRISP-DM methodology, we established a systematic approach to address these
challenges. Our study contributes valuable insights to enhance predictions and adapt
models to complex energy markets.
