Aplicação de ARIMA e redes neurais artificiais na análise estatística e previsão de resultados de partidas de futebol da Premier League Inglesa 2021-2022

Autores

DOI:

https://doi.org/10.14488/1676-1901.v25i3.4965

Palavras-chave:

Previsão de resultados de futebol, ARIMA, Redes Neurais Artificiais, Premier League Inglesa

Resumo

A utilização de dados estatísticos e a criação de ferramentas de previsão e análise de resultados se apresentam constantemente como parte da realidade encontrada no meio esportivo. No futebol, tais ferramentas vêm sendo tratadas como um modo de adquirir vantagens competitivas, tanto para clubes, quanto para apostadores. Com intuito de obter um eficiente modelo de previsão para partidas de futebol, o estudo buscou realizar o prognóstico de resultados da Premier League Inglesa disputada na temporada 2021-2022. Foram coletados dados correspondentes a 70% dos jogos realizados dentro do campeonato em questão e, a partir deles, foi proposta a aplicação e a comparação do modelo Auto Regressivo Integrado de Média Móvel (ARIMA), com o uso de Redes Neurais Artificiais (RNA). Em sua predição, o método ARIMA forneceu um conjunto completo das estatísticas dos confrontos, incluindo o número de gols das equipes em cada partida, alcançando 54,39% de acerto dos vencedores e prevendo 14,04% dos placares com exatidão. O modelo composto por RNA, por sua vez, previu por meio de um código de programação na linguagem Python somente os vencedores dos confrontos. Desse modo, obteve-se uma maior acurácia, de 72,81%, visualizada por meio da geração de uma matriz de confusão.

Downloads

Não há dados estatísticos.

Biografia do Autor

Vinícius Doro, Universidade de Caxias do Sul (UCS), Caxias do Sul, RS, Brasil.

Bacharel em Engenharia de Produção pela Universidade de Caxias do Sul (UCS). Atualmente compõe o departamento de Engenharia da Caderode, atuando no desenvolvimento de novos produtos no ramo mobiliário corporativo, bem como na melhoria contínua de processos fabris, com foco na redução de tempos e custos. Possui experiência em processos de otimização e em gerenciamento de projetos.

Leandro Luís Corso, Universidade de Caxias do Sul (UCS), Caxias do Sul, RS, Brasil.

Possui Pós-doutorado na Monash University/AUSTRÁLIA na área de Otimização, pós-doutorado na Naval Postgraduate School, California/EUA em Otimização Global considerando incertezas. Mestrado e doutorado em Engenharia com foco em otimização pela Universidade Federal do Rio Grande do Sul (UFRGS). Graduação em Engenharia Mecânica pela Universidade de Caxias do Sul (UCS). Pesquisador/professor de áreas de Otimização em graduação e pós-graduação, professor do Mestrado de Engenharia Mecânica e no Doutorado da Área de Ciências da (UCS). Membro do Comitê Científico do Estado do Rio Grande do Sul, recebendo menção honrosa na atuação. Revisor de periódicos nacionais/internacionais nas áreas de otimização. Esta presente no ranking Alper-Döğer Scientific Index como um dos melhores cientistas da América Latina. Possui experiência nas áreas de Otimização, Modelagem Matemática, Inteligência Artificial, Otimização Estrutural, Otimização considerando incertezas, Pesquisa Operacional, matemática aplicada e computacional.

Referências

ANDREWS, S Kevin et al. Analysis on Sports Data Match Result Prediction Using Machine Learning Libraries. Journal Of Physics: Conference Series, [S.L.], v. 1964, n. 4, p. 1-9, 1 jul. 2021. IOP Publishing. http://dx.doi.org/10.1088/1742-6596/1964/4/042085. Disponível em: https://iopscience.iop.org/article/10.1088/1742-6596/1964/4/042085/meta. Acesso em: 26 ago. 2022.

BABOOTA, Rahul; KAUR, Harleen. Predictive analysis and modelling football results using machine learning approach for English Premier League. International Journal Of Forecasting, [S.L.], v. 35, n. 2, p. 741-755, abr. 2019. Elsevier BV. http://dx.doi.org/10.1016/j.ijforecast.2018.01.003. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0169207018300116?via%3Dihub. Acesso em: 21 ago. 2022

BERRAR, Daniel; LOPES, Philippe; DUBITZKY, Werner. Incorporating domain knowledge in machine learning for soccer outcome prediction. Machine Learning, [S.L.], v. 108, n. 1, p. 97-126, 7 ago. 2018. Springer Science and Business Media LLC. http://dx.doi.org/10.1007/s10994-018-5747-8. Disponível em: https://link.springer.com/article/10.1007/s10994-018-5747-8. Acesso em: 30 set. 2022.

BUNKER, Rory P.; THABTAH, Fadi. A machine learning framework for sport result prediction. Applied Computing And Informatics, [S.L.], v. 15, n. 1, p. 27-33, jan. 2019. Emerald. http://dx.doi.org/10.1016/j.aci.2017.09.005. Disponível em: https://www.sciencedirect.com/science/article/pii/S2210832717301485. Acesso em: 13 ago. 2022.

BUTLER, David; BUTLER, Robert; EAKINS, John. Expert performance and crowd wisdom: Evidence from English Premier League predictions. European Journal Of Operational Research, [S.L.], v. 288, n. 1, p. 170-182, jan. 2021. Elsevier BV. http://dx.doi.org/10.1016/j.ejor.2020.05.034. Disponível em: https://www.sciencedirect.com/science/article/pii/S037722172030480X?via%3Dihub. Acesso em: 03 set. 2022.

CASIMIRO, María Pilar González. Análisis de series temporales: Modelos ARIMA. Bizkaia: Universidad del País Vasco, 2009. 165 p. Disponível em: https://addi.ehu.es/handle/10810/12492. Acesso em: 08 out. 2022.

HAYKIN, Simon. Neural networks: a comprehensive foundation. 3rd. ed. Upper Saddle River: Prentice Hall, 2009. 938p. Disponível em: https://dai.fmph.uniba.sk/courses/NN/haykin.neural-networks.3ed.2009.pdf. Acesso em: 22 set. 2024.

KOOPMAN, Siem Jan; LIT, Rutger. Forecasting football match results in national league competitions using score-driven time series models. International Journal Of Forecasting, [S.L.], v. 35, n. 2, p. 797-809, abr. 2019. Elsevier BV. http://dx.doi.org/10.1016/j.ijforecast.2018.10.011. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0169207018302048?via%3Dihub. Acesso em: 22 ago. 2022.

LAHVICKA, Jiri. Using Monte Carlo simulation to calculate match importance: the case of English Premier League. Munich Personal Repec Archive, Munich, p. 1-20, 01 set. 2012. Disponível em: https://mpra.ub.uni-muenchen.de/40998/. Acesso em: 21 ago. 2022.

LASEK, Jan; GAGOLEWSKI, Marek. Interpretable sports team rating models based on the gradient descent algorithm. International Journal Of Forecasting, [S.L.], v. 37, n. 3, p. 1061-1071, jul. 2021. Elsevier BV. http://dx.doi.org/10.1016/j.ijforecast.2020.11.008. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0169207020301849. Acesso em: 10 set. 2022.

MEN, Yanhua. Intelligent sports prediction analysis system based on improved Gaussian fuzzy algorithm. Alexandria Engineering Journal, [S.L.], v. 61, n. 7, p. 5351-5359, jul. 2022. Elsevier BV. http://dx.doi.org/10.1016/j.aej.2021.08.084. Disponível em: https://www.sciencedirect.com/science/article/pii/S1110016821006001. Acesso em: 26 ago. 2022.

PEREIRA, Roberto Augusto Lazzarotto. Modelagem matemática para previsão esportiva: uma aplicação no futebol nacional. 2018. 46 f. TCC (Graduação) - Curso de Licenciatura em Ciências Exatas Com Habilitação em Matemática, Universidade Federal do Paraná, Pontal do Paraná, 2018. Disponível em: https://acervodigital.ufpr.br/handle/1884/60661. Acesso em: 17 set. 2022.

SANTOS, Tatiana Fernanda Mousquer dos. Aplicação de séries temporais e redes neurais em um ambiente de computação em nuvem. 2014. 92 f. Dissertação (Mestrado) - Curso de Mestrado do Programa de Pós-Graduação em Engenharia de Produção, Centro de Tecnologia, Universidade Federal de Santa Maria, Santa Maria, 2014. Disponível em: https://repositorio.ufsm.br/handle/1/8316. Acesso em: 04 nov. 2022.

XAVIER, Thainá Santos. Previsão de séries temporais utilizando modelos clássicos e redes neurais artificiais. 2018. 46 f. TCC (Graduação) - Curso de Bacharel em Ciências no Domínio da Engenharia Elétrica, Centro de Engenharia Elétrica e Informática – Ceei, Universidade Federal de Campina Grande – UFCG, Campina Grande, 2018. Disponível em: http://dspace.sti.ufcg.edu.br:8080/xmlui/handle/riufcg/18949. Acesso em: 08 out. 2022.

YIANNAKIS, Andrew et al. Forecasting in Sport. International Review For The Sociology Of Sport, [S.L.], v. 41, n. 1, p. 89-115, mar. 2006. SAGE Publications. http://dx.doi.org/10.1177/1012690206063508. Disponível em: https://journals.sagepub.com/doi/abs/10.1177/1012690206063508. Acesso em: 09 out. 2022.

ZUCCO, Luiz Henrique. Implementação da previsão de demanda por meio de modelos matemáticos clássicos e de inteligência artificial na gestão de estoque de uma empresa importadora de componentes automotivos da linha pesada. 2019. 55 f. TCC (Graduação) - Curso de Engenharia de Produção, Universidade de Caxias do Sul, Caxias do Sul, 2019.

Publicado

24-10-2025

Como Citar

Doro, V., & Corso, L. L. (2025). Aplicação de ARIMA e redes neurais artificiais na análise estatística e previsão de resultados de partidas de futebol da Premier League Inglesa 2021-2022. Revista Produção Online, 25(3), 4965 . https://doi.org/10.14488/1676-1901.v25i3.4965

Edição

Seção

Artigos