Predicción del costo de autovalúo de viviendas mediante redes neuronales con aplicación al centro poblado Santa Cruz- Végueta - Huaura

Abstract

En el presente informe se procesan datos de la ficha catastral obtenida en la visita al centro poblado de Santa Cruz. Estos datos sirven para estimar el costo del autoevalúo que debe pagar el dueño de una vivienda del referido centro poblado.

La hoja de catastro obtenida en campo es digitada a una base de datos en Excel, a partir de la cual se extraen las variables más representativas como: área del terreno, área techada del lote, material estructural predominante, estado de conservación y estado de la construcción; además se añaden 2 variables más, las que se obtienen de la hoja adicional de la ficha de catastro, éstas son: número de pisos de la vivienda y si cuenta o no con el servicio de energía eléctrica. El problema por resolver es poder estimar cuanto debe pagar de autovaluo el propietario de una vivienda del centro poblado. Cada vez más se usan redes neuronales en Ingeniería Civil, ver [2], [4], [7] y [8]; es así que en este trabajo se pretende estimar el precio de autoevalúo de una vivienda "no censada" a partir de los precios de viviendas censadas; para esto se encuentran procedimientos que relacionen el precio de estas últimas viviendas con variables catastrales observables desde el exterior de una vivienda no censada. Concluido el procesamiento de datos, se comparan los precios de autovaluo obtenidos con regresión multilineal y los obtenidos con redes neuronales. Se considera mejor método a aquel que presente menor desviación estándar en relación con los costos de autovaluo entregados por la municipalidad. Finalmente se concluye que, con el uso de una red neuronal entrenada, se puede estimar los precios de autovaluo de las viviendas no censadas.