Predição; Bibliotecas Universitárias; Séries temporais; Random Forest; ARIMA. 

Os empréstimos de livros aos usuários são um dos aspectos mais importantes de uma biblioteca universitária. Consequentemente, a previsão de utilização do acervo é uma atividade vital para o planejamento de suas ações. Isso permite que a biblioteca gerencie seus recursos de forma mais eficaz e possa se antecipar às necessidades de seus usuários, satisfazendo suas demandas e anseios de maneira proativa. Diante do exposto, este trabalho objetiva realizar a previsão de empréstimo dos livros do acervo circulante da Biblioteca Central Zila Mamede (BCZM) por meio dos dados históricos de empréstimos dos livros. Para realizar a modelagem foram utilizados o Random Forest e o ARIMA com dados de 2011 a 2019. O estudo usou um modelo ajustado para prever empréstimos para o ano de 2019 por meio de duas abordagens: semanal e mensal. Estes modelos foram avaliados por meio das métricas de erro: MAE, MSE e RMSE. Os resultados indicam que, no agrupamento por semana, ambos os modelos apresentaram desempenho similar com índices de erro relativamente baixos. O Random Forest teve um desempenho um pouco superior na predição dos livros agrupados por semana do que o ARIMA. Para o agrupamento de livros mensal, os modelos apresentaram desempenho insatisfatório, pois obtiveram altos índices de erro. Deste modo, pode-se concluir que tanto os modelos ARIMA quanto o Random Forest são promissores quanto à predição do empréstimo de livros para os livros, quando agrupados por semana. Além disso, ambos os modelos foram capazes de identificar os padrões de tendência dos empréstimos, sendo plausível sua aplicação para a Biblioteca Central Zila Mamede.