Parametric modeling for cost and quantitative estimation in water distribution networks constructions
DOI:
https://doi.org/10.46421/entac.v20i1.5831Keywords:
Civil Construction, Cost estimation, Infrastructure, Linear regressionAbstract
This research aimed to define a model for parametric budgets for water distribution network works, using 29 works carried out by Pará Sanitation Company. The model, presented in Table 1, includes eleven main services and their respective equations. The analysis showed an average variation of 1.22% and 10.31% for reference works, demonstrating the satisfactory explanatory capacity of the model. Validation with two additional works resulted in variations of 4.37% and 9.47% in relation to the analytical budgets. These results demonstrate the satisfactory explanatory capacity of the developed model, as well as suggesting the suitability of the linear meter variable for calculating the parametric budget for water distribution network works.
References
ORELLANA, A.; MARTIM, A. L. S. S.; ZUFFO, A. C.; et al. Contribuição ao planejamento de reabilitação de redes de distribuição de
água. Ribagua, v. 5, n. 2, p. 79–91, 2018.
Ministério das Cidades. Sistema Nacional de Informações sobre Saneamento. Disponível em: https://www.gov.br/cidades/pt-br/
acesso-a-informacao/acoes-e-programas/saneamento/snis. Acessado em 22/09/2022.
SWEI, O.; GREGORY, J.; KIRCHAIN, R. Construction cost estimation: A parametric approach for better estimates of expected cost
and variation. Transportation Research Part B: Methodological, v. 101, p. 295–305, 2017.
MOLINARI, L.; HAEZENDONCK, E.; MABILLARD, V. Cost overruns of Belgian transport infrastructure projects: Analyzing variations
over three land transport modes and two project phases. Transport Policy, v. 134, p. 167-179, 2023.
KLEINER, Y. Rehabilitation planning of water distribution networks: the component and the system perspective. National Research
Council of Canada, 1997.
KIM, G. H.; AN, S. H.; KANG, K. I. Comparison of construction cost estimating models based on regression analysis, neural
networks, and case-based reasoning. Building and Environment, v. 39, p. 1235- 1242, 2004.
FLYVBJERG, B.; SKAMRIS HOLM, M. K.; BUHL, S. L. What Causes Cost Overrun in Transport Infrastructure Projects? Transport
Reviews, v. 24, n. 1, p. 3–18, jan. 2004.
ENDUT, I.R., A. AKINTOYE; J. KELLY. Cost and time overruns of projects in Malaysia. 2009. 21: p.243-252.
BELJKAŠ, Z.; PRASCEVIC, Z.; IVANISEVIC, M.; KNEZEVIC, M.; CVETKOVSKA, M. Application of Fuzzy Logic on Selection of Contractors
for Construction of High Rise Buildings. In: IOP. International Scientific Conference "People, Buildings and Environment 2018
(PBE)". V. 222. Brno, Czech Republic. October 2018, 17–19.
SONMEZ, R. Parametric Range Estimating of Building Costs Using Regression Models and Bootstrap. Journal of Construction
Engineering and Management, v. 134, n. 12, p. 1011–1016, 2008.
KATO, R. B.; PARANHOS, L. P.; CASTRO, V. C. Estudo de dados paramétricos para a estimativa de custos de construção de
reservatórios de água. Revista DAE, v. 70, n. 235, p. 193-202, 2022.
ISATON, C.; JUNGLES, A. E.; ABREU, J. P. M. de; MARCHIORI, F. F. Estimativa paramétrica de custos de esquadrias para obras
prisionais utilizando Simulação de Monte Carlo. Ambiente Construído, v. 23, n. 3, p. 63-82, 2023.
MOREIRA, F.; NEVES, R.; MONTENEGRO, A. Um modelo de previsão de custos de pavimentos tipos na fase de estudo de viabilidade
para empresas de construção. Revista do Instituto Politécnico da Bahia, v. 7, p.21-27, 2014.
MAUÉS, F. C. A.; MELO, K. P. de; LEÃO, C. B. de O.; SERRA, S. M. B. Estimativa de Custos Paramétricos de Construção de Edifícios
Usando Modelo de Regressão Linear. Gestão & Tecnologia de Projetos, v. 17, n. 2, p. 19-37, 2022.
PIERCE, D. A.; GRAY, R. J. Testing Normality of Errors in Regression Models. Biometrika, v. 69, n. 1, p. 233–233, 1982.
ROUSSEEUW, P. J.; HUBERT, M. Anomaly detection by robust statistics. Wiley Interdisciplinary Reviews: Data Mining and
Knowledge Discovery, v. 8, n. 2, p. e1236, 2017.
SEO, S. A Review and Comparison of Methods for Detecting Outliers in Univariate Data Sets, 2006. d-scholarship.pitt.edu.
Disponível em: <http://d-scholarship.pitt.edu/7948/>.
BENTO, G. M. & SANTOS, R. T. Avaliação de Métodos de Remoção de Outliers e seus Impactos na Precisão dos Métodos de
interpolação. 1 Simpósio Mato-Grossense de Mecanização Agrícola e Agricultura de Precisão – SIMAP, SINOP, Brasil, pp. 1, 2018.
CRESPO, A. A. Estatística Fácil. 18ª ed. São Paulo: Saraiva, 2002. 224 p.
FÁVERO, L. P.; BELFIORE, P.; SILVA, F.L. DA; CHAN, B.L.; Análise de dados: modelagem multivariada para tomada de decisões, 3rd
ed., Elsevier, Rio de Janeiro, 2009.
OTERO, J. A. Análise paramétrica de dados orçamentários para estimativa de custos na construção de edifícios: Estudo de caso
voltado para a questão da variabilidade. 2000. 214 p. Dissertação (Mestrado), Universidade Federal de Santa Catarina,
Florianópolis.
COUTINHO, L. S. de A. L. et al. Modelagem do tempo de execução de obras civis: estudo de caso na Universidade Federal do Pará.
Ambient. constr., Porto Alegre, v. 12, n. 1, p. 243-256, 2012.
