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

ilustraciones, gráficas, mapas, tablas

Autores:: Casas Fajardo, Adriana Emilcen

Tipo de recurso:

Fecha de publicación:: 2014

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

id	UNACIONAL2_1481e9571ec3ad3e83dabe4a73877b3e
oai_identifier_str	oai:repositorio.unal.edu.co:unal/54464
network_acronym_str	UNACIONAL2
network_name_str	Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
title	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
spellingShingle	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores Procesamiento de datos Catastros Redes de neuronas data processing cadastres neural networks Redes neuronales artificiales Variables de localización Sistemas de información geografico Avalúos Artificial neural networks Location variables Geographic Information System, appraisals
title_short	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
title_full	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
title_fullStr	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
title_full_unstemmed	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
title_sort	Propuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificiales
dc.creator.fl_str_mv	Casas Fajardo, Adriana Emilcen
dc.contributor.advisor.spa.fl_str_mv	Boada Rodríguez, Alberto
dc.contributor.author.spa.fl_str_mv	Casas Fajardo, Adriana Emilcen
dc.contributor.corporatename.spa.fl_str_mv	Instituto Geográfico Agustín Codazzi IGAC
dc.subject.ddc.spa.fl_str_mv	000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores
topic	000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores Procesamiento de datos Catastros Redes de neuronas data processing cadastres neural networks Redes neuronales artificiales Variables de localización Sistemas de información geografico Avalúos Artificial neural networks Location variables Geographic Information System, appraisals
dc.subject.agrovoc.spa.fl_str_mv	Procesamiento de datos Catastros Redes de neuronas
dc.subject.agrovoc.eng.fl_str_mv	data processing cadastres neural networks
dc.subject.proposal.spa.fl_str_mv	Redes neuronales artificiales Variables de localización Sistemas de información geografico Avalúos
dc.subject.proposal.eng.fl_str_mv	Artificial neural networks Location variables Geographic Information System, appraisals
description	ilustraciones, gráficas, mapas, tablas
publishDate	2014
dc.date.issued.spa.fl_str_mv	2014-06-18
dc.date.accessioned.spa.fl_str_mv	2019-06-29T20:33:58Z
dc.date.available.spa.fl_str_mv	2019-06-29T20:33:58Z
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
status_str	acceptedVersion
dc.identifier.uri.none.fl_str_mv	https://repositorio.unal.edu.co/handle/unal/54464
dc.identifier.eprints.spa.fl_str_mv	http://bdigital.unal.edu.co/49434/
dc.identifier.instname.spa.fl_str_mv	Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.none.fl_str_mv	https://repositorio.unal.edu.co/
url	https://repositorio.unal.edu.co/handle/unal/54464 http://bdigital.unal.edu.co/49434/ https://repositorio.unal.edu.co/
identifier_str_mv	Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. Prentice-Hall. New Jersey, USA: 2.ª Edição. Henderson, J. (1985). Economic Theory and the cities. Academic Press. Orlando. Henderson, J. (1985). Economic theory and zoning in urban Economy: Further Results. American Economic Review, 73, 98-113. Hilera, J. R., and Martínez, V. J. (1995). Redes Neuronales Artificiales: Fundamentos, modelos y aplicaciones. Madrid: Ra-Ma. Hopfield, J. J. (1982). Neural Networks and Physical Systems with Emergent Computational Abilities. Washington, USA: Proceedings of the National Academy of Sciences, Vol. 79. Huawang, S. (2009). Determination of Real estate Price Based on Principal Componet Analysis and Artificial Neural Networks. . Second International Conference on Intelligent Computatión Technology and Automation. IGAC. (Diciembre de 2010). Manual para la Elaboración del Estudio de Zonas Homogéneas Físicas y Geoconomicas y determinación del valor unitario por tipo de construcción y . Bogotá: IGAC. J., F., and M., S. D. (1993). Redes Neuronales Algoritmos, aplicaciones y técnicas de Programación. 26 - 241. Wilminton Addiso - Wesley Diáz de Santos. Jain, A. K., Mao, J., and Mohiuddin, K. M. (1996). Artificial Neural Networks: A Tutorial. Computers JEEE, 31. James, H., and Lam, E. (1996). The Realiability of artificial Neural Networks for Property data Analysis. Paper presented to the third European Real Estate Society conference, june , 26-28. Journel, A. (1975). Guide Practique de Geostatisque miniere. París. Journel, A. (1977). Géoestatisque Minere. París: Thése Doctteur. CGMM. Kauko, T. (2003). On current neural network applications involving spatial modelling.
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_16ec
dc.rights.license.spa.fl_str_mv	Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/restrictedAccess
rights_invalid_str_mv	Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_16ec
eu_rights_str_mv	restrictedAccess
dc.format.extent.spa.fl_str_mv	xv, 156 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv	Bogotá - Ciencias Agrarias - Maestría en Geomática
dc.publisher.department.spa.fl_str_mv	Departamento de Agronomía
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ciencias Agrarias
dc.publisher.place.spa.fl_str_mv	Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv	Universidad Nacional de Colombia - Sede Bogotá
institution	Universidad Nacional de Colombia
bitstream.url.fl_str_mv	https://repositorio.unal.edu.co/bitstream/unal/54464/1/51964148.2015.pdf.pdf https://repositorio.unal.edu.co/bitstream/unal/54464/2/51964148.2015.pdf.pdf.jpg
bitstream.checksum.fl_str_mv	68db535bf6c08773842d19d4ee7ff13d 28fd88256d149e3bcbcd780b3d73cb27
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv	repositorio_nal@unal.edu.co
_version_	1814090202678820864
spelling	Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/restrictedAccesshttp://purl.org/coar/access_right/c_16ecBoada Rodríguez, Albertoa32943bd9531bfe3fbb3ff9cb8d0f800Casas Fajardo, Adriana Emilcenfe822aad-2bfd-4685-ad12-8b51638bc549300Instituto Geográfico Agustín Codazzi IGAC2019-06-29T20:33:58Z2019-06-29T20:33:58Z2014-06-18https://repositorio.unal.edu.co/handle/unal/54464http://bdigital.unal.edu.co/49434/Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, gráficas, mapas, tablasEl 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.Incluye anexosMaestríaMagíster en GeomáticaGeoinformática para el uso sostenible de los recursos naturalesCiencias Agronómicasxv, 156 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias Agrarias - Maestría en GeomáticaDepartamento de AgronomíaFacultad de Ciencias AgrariasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadoresProcesamiento de datosCatastrosRedes de neuronasdata processingcadastresneural networksRedes neuronales artificialesVariables de localizaciónSistemas de información geograficoAvalúosArtificial neural networksLocation variablesGeographic InformationSystem, appraisalsPropuesta metodológica para calcular el avalúo de un predio empleando redes neuronales artificialesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMHaykin, S. (1999). Neural Networks: A Comprehensive Foundation. Prentice-Hall. New Jersey, USA: 2.ª Edição.Henderson, J. (1985). Economic Theory and the cities. Academic Press. Orlando.Henderson, J. (1985). Economic theory and zoning in urban Economy: Further Results. American Economic Review, 73, 98-113.Hilera, J. R., and Martínez, V. J. (1995). Redes Neuronales Artificiales: Fundamentos, modelos y aplicaciones. Madrid: Ra-Ma.Hopfield, J. J. (1982). Neural Networks and Physical Systems with Emergent Computational Abilities. Washington, USA: Proceedings of the National Academy of Sciences, Vol. 79.Huawang, S. (2009). Determination of Real estate Price Based on Principal Componet Analysis and Artificial Neural Networks. . Second International Conference on Intelligent Computatión Technology and Automation.IGAC. (Diciembre de 2010). Manual para la Elaboración del Estudio de Zonas Homogéneas Físicas y Geoconomicas y determinación del valor unitario por tipo de construcción y . Bogotá: IGAC.J., F., and M., S. D. (1993). Redes Neuronales Algoritmos, aplicaciones y técnicas de Programación. 26 - 241. Wilminton Addiso - WesleyDiáz de Santos. Jain, A. K., Mao, J., and Mohiuddin, K. M. (1996). Artificial Neural Networks: A Tutorial. Computers JEEE, 31.James, H., and Lam, E. (1996). The Realiability of artificial Neural Networks for Property data Analysis. Paper presented to the third European Real Estate Society conference, june , 26-28.Journel, A. (1975). Guide Practique de Geostatisque miniere. París.Journel, A. (1977). Géoestatisque Minere. París: Thése Doctteur. CGMM.Kauko, T. (2003). On current neural network applications involving spatial modelling.InvestigadoresEstudiantesPúblico generalORIGINAL51964148.2015.pdf.pdfTesis de Tesis de Maestría en Geomáticaapplication/pdf3848419https://repositorio.unal.edu.co/bitstream/unal/54464/1/51964148.2015.pdf.pdf68db535bf6c08773842d19d4ee7ff13dMD51THUMBNAIL51964148.2015.pdf.pdf.jpg51964148.2015.pdf.pdf.jpgGenerated Thumbnailimage/jpeg4796https://repositorio.unal.edu.co/bitstream/unal/54464/2/51964148.2015.pdf.pdf.jpg28fd88256d149e3bcbcd780b3d73cb27MD52unal/54464oai:repositorio.unal.edu.co:unal/544642023-03-07 23:10:47.359Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co

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

Publicaciones similares