Otimização topológica de redes de esgoto e minimização de capex com uso de machine learning e SIG

Este trabalho apresenta o desenvolvimento de uma ferramenta geoespacial integrada a um Sistema de Informação Geográfica (SIG) livre para a otimização do traçado de redes coletoras de esgoto, desenvolvida em Python com a biblioteca NetworkX. A proposta automatiza a definição do traçado de menor custo de implantação a partir da orçamentação determinística baseada nas composições do SINAPI e do algoritmo de busca heurística A*, exigindo do projetista apenas a indicação topográfica dos poços iniciais e do ponto de exutório. A ferramenta incorpora um modelo preditivo de aprendizado de máquina (XGBoost) treinado com 1.213 trechos provenientes de traçados reais, que reproduziu o orçamento de referência com coeficiente de determinação (R²) de 0,9931 e erro médio absoluto (MAE) de R$ 4,97/m, equivalente a 1,76% do custo médio. O sistema realiza, de forma automática, a classificação do método construtivo de cada trecho entre Vala a Céu Aberto (VCA) e Método Não Destrutivo (MND), bem como a previsão da necessidade de estações elevatórias conforme as restrições locais, priorizando o escoamento por gravidade e a redução dos volumes de escavação. Dessa forma, a ferramenta automatiza etapas repetitivas do processo de projeto e amplia a aplicação de técnicas de inteligência artificial (IA) no setor de saneamento.