Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales

Abstract

El presente estudio tiene como objetivo la determinación del avalúo de un predio urbano empleando la metodología de Redes Neuronales Artificiales (RNA) que es el método econométrico menos tradicional del campo de la inteligencia artificial. Para el desarrollo del modelo se usó las variables que el IGAC emplea tradicionalmente para el cálculo de los avalúos catastrales y se incorporaron variables de ubicación espacial de los predios apoyados en un Sistema de Información Geográfica. Los datos que se emplearon para la estimación del modelo fueron obtenidos en la investigación de mercado directa e indirecta realizada en el proceso de Actualización de la Formación Catastral de la zona urbana del Municipio de Fusagasugá que entró en vigencia el primero de enero de 2013. Para obtener el mejor modelo de RNA, en el que se seleccionen las variables que más contribuyen a la determinación del valor de un inmueble, se realizaron, numerosas pruebas, utilizando el algoritmo Perceptrón Multicapa de tipo supervisado MLP y el software estadístico SPSS V. 21. Las variables explicativas incluidas en el modelo final para calcular el avalúo catastral de un predio han sido: la Área Terreno, Área C Privada, USOPOT, X Centroide, Distancia, Comuna, Puntaje Estructura, Puntaje Total, No Pisos, No Habitaciones, Edad, Y Centroide, Puntaje Cocina, Puntaje Acabados, Puntaje Baños y No Baños. La prueba paramétrica t de Student para datos pareados o muestras relacionadas, corroboró el mayor poder de la Red Neuronal Artificial para estimar los avalúos respecto de resultados obtenidos con la metodología del IGAC. Tras esto, se considera que las variables utilizadas para caracterizar el valor de un predio en el municipio de Fusagasugá, fácilmente se pueden adaptar a otras ciudades de Colombia. (Texto tomado de la fuente).

The present study aims at determining the valuation of an urban property using the methodology of Artificial Neural Networks (ANN) which is the least traditional econometric method in the field of artificial intelligence. To develop the model variables IGAC traditionally used to calculate the assessed valuations of variables and spatial location of the properties supported by a Geographic Information System was used were included. The data were used to estimate the model were obtained in the investigation of direct and indirect market made in the process of training the Cadastral Updating the urban area of the Municipality of Fusagasugá which came into force on January 2013. For the best model RNA, wherein the variables that contribute to determining the value of a property is selected, were conducted extensive testing using the algorithm type supervised Multilayer Perceptron MLP and statistical software SPSS V. 21.The explanatory variables included in the final model to calculate the assessed value of a property have been: Land Area, Private C, USOPOT, Centroid X, Range, City, Structure Points, Total Points, No Flats, No Rooms, Age, and Centroid Points Kitchen, Finished Score, Score Bathrooms and No Bathrooms. The parametric Student's t test for paired data or related samples, confirmed the greater power of Artificial Neural Network to estimate the relative valuations of results obtained with the methodology of IGAC. After this, it is considered that the variables used to characterize the value of a property in the town of Fusagasugá, can easily be adapted to other cities of Colombia.