Estimativa de desembolso mensal em obras de terraplanagem com uso de rede neural artificial.

• Autor(a) principal: SILVA, Bruno Sousa da.
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/23730
• topic: Movimentação de terra; Terraplanagem; Inteligência artificial; Orçamento de obras; Construção Civil; Redes neurais artificiais; Gestão de terraplanagem; Desenvolvimento de redes neurais artificiais; Earthworks; Landscaping; Artificial intelligence; Works budget; Construction; Artificial neural network; Earthworks management; Development of artificial neural networks; Engenharia Civil

O objetivo desse trabalho é desenvolver, aplicar e analisar os resultados de uma rede neural artificial (RNA) desenvolvida utilizando um software de simulação de matrizes com pacote para redes neurais artificiais, que seja capaz de realizar uma estimativa de custo mensal em uma obra de terraplenagem nos serviços de corte e aterro. O princípio consiste em entender a importância de cada parâmetro de entrada e saída; organizar todos os dados coletados e normalizar esses dados para que variem dentro do intervalo de 0 a 1. Foram estudadas várias arquiteturas, variando número de camadas, neurônios e função de ativação, com menor percentual de erro, para verificar a capacidade de previsão do volume de corte e aterro a ser utilizado no mês subsequente e, com isso, chegar ao valor de desembolso mensal a partir do valor pago por metro cúbico escavado ou compactado. Dessarte, foi escolhida uma obra de condomínio horizontal de padrão médio a alto composta por projetos e orçamentos, além de outros dados necessários para os parâmetros de entrada. Os parâmetros de entrada escolhidos foram localização da estaca, distância do ponto à estaca zero daquela localização, volume de corte de projeto, volume de aterro de projeto, mês de execução e inclinação. Enquanto isso, os parâmetros de saída foram volume de corte e aterro executado. Os resultados das RNA’s foram comparados aos valores reais de duas formas: na primeira, os volumes de corte e aterro previstos foram comparados de estaca a estaca, já na segunda, os volumes de corte e aterro previstos foram comparados por mês e por rua, não mais por estaca. A arquitetura com melhor desempenho foi a RNA1, constituída de 02 (duas) camadas, 10 (dez) neurônios e função de ativação Tansig-tansig. Outra rede neural mostrou resultados parecidos aos da RNA1, porém, com 03 (três) camadas e 15 (quinze) neurônios e, portanto, necessitando de maior esforço da máquina para chegar ao mesmo resultado médio. Os valores de erros médios maiores que o intervalo admitido encontrados no volume de aterro podem ser explicados pela pouca quantidade de obras, para analisar e comparar, bem como a pouca quantidade de parâmetros de entrada disponíveis.