Redes neurais artificiais aplicadas a estimativa de custo em obras na região metropolitana de Fortaleza - CE

Abstract

Hodiernamente, quanto ao mercado nacional brasileiro relacionado aos investimentos imobiliários, verifica-se um estimulo de ascensão imobiliária na Região Metropolitana de Fortaleza e na economia local. Baseado nesse contexto, o setor da construção civil cearense possui falhas quando relacionadas às estimativas preliminares de custos, pela hipótese do erro em análises de viabilidades de projetos nas fases iniciais, resultando em erro preliminar de estimativa de custos. O objetivo do presente estudo consiste em aplicar uma rede neural artificial pré-programada a estimativa de custos e obras na região metropolitana de Fortaleza. Utilizando como base de metodologias e fontes de coleta de informações entrevista e sondagens de opiniões em construtoras e grupo de discursões, sendo aplicada em uma rede neural artificial. Diante ao exposto, a RNA procurou o melhor algoritmo adequado para o estudo, verificando encontrar a melhor forma de comportamento, identificando que a 8ª tentativa resultou em um modelo mais eficiente em comparação aos outros modelo testados, evidenciando que o algoritmo mais adequado para o estudo foi do tipo ondulado. Com os resultados satisfatório do treinamento partiu-se para a validação onde foram testadas 25% da amostra total, resultando em 3 obras, onde aplicando o raciocínio positivo da análise do treinamento, verificou-se que a RNA evidenciou que a média dos erros é menor que os erros resultantes da aplicação dos modelos de estimativas atuais e tradicionais adotadas a RNA demonstrou uma estimativa de erro de 14,46%, obtendo um resultado satisfatório da utilização da RNA, sendo possível atingir os objetivos esperados. Portanto, foi concluído que o modelo de RNA aplicado apresentou um potencial de funcionamento eficiente, tornando-se uma ferramenta inovadora, que pode revolucionar a forma como calcula-se estimativas preliminares de custos. buscando determinar as soluções consideradas adequadas com sugestões de evolução do modelo desenvolvido.