"GeoIA aplicada à avaliação de galpões na cidade de Recife-PE"
Diante da complexidade inerente ao mercado imobiliário de galpões em Recife, esta
dissertação explorou o uso de técnicas de geoinformação e inteligência artificial, com
ênfase em Redes Neurais Artificiais (RNA), para desenvolver modelos preditivos robustos
para avaliação de imóveis industriais e logísticos. Foram comparados três modelos:
Regressão Linear Clássica (MCRL1), Regressão Espacial de Erro (SEM) e RNA. O
MCRL1, embora ofereça simplicidade e facilidade de interpretação, não integra a
dependência espacial. Já o SEM é notável por sua robustez e capacidade de capturar
essa dependência, essencial no mercado imobiliário. A RNA se destaca na captura de
relações não lineares complexas, apresentando o melhor desempenho nos testes, com
um R² de 0,83 e MAE de 0,23, superando ligeiramente o MCRL1 e o SEM, que
apresentaram R² de 0,81 e 0,82 e MAE de 0,24 e 0,23, respectivamente. A análise
espacial dos resíduos confirmou que todos os modelos capturaram eficazmente os
padrões espaciais do mercado. Este estudo demonstra que modelos baseados em
inteligência artificial, especialmente RNAs, podem ser alternativas viáveis e superiores
aos modelos clássicos, apesar da menor interpretabilidade. Assim, esta pesquisa não
apenas avança na modelagem de preços imobiliários, destacando o potencial da
inteligência artificial na avaliação de galpões, mas também ressalta a importância de
integrar dados geoespaciais nas avaliações de mercado, fornecendo informações
valiosas para o desenvolvimento do mercado imobiliário e planejamento urbano.