Model of neural network applied to the valuation of habitability adaptation actions in real estate assets

Abstract

Nowadays, one of the main sector with the greatest demand in the real estate sector is the management of real estate assets. In this regard, the adequacy of the existing real estate stock is a broad field of work that ranges from technicians to operators. The habitability adaptation process of these assets is an activity with a large consumption of temporary resources and involves a complex organization of tasks that makes the process of prioritizing the actions difficult. Because of this circumstance, there are techniques of artificial intelligence, such as artificial neural networks, which can facilitate the analysis and assessment process. In this work, a multilayer perceptron is proposed for one of the most numerous types of real estate assets: dwellings. For this purpose, a total of 200 different dwellings are analysed, which are used for the training and validation of the model. The results allow to predict with a high degree of adjustment the priority of action and the estimated amount of the habitability adaptation works

En la actualidad, uno de los principales sectores con mayor demanda en el sector inmobiliario es la gestión de los activos inmobiliarios. En este sentido, la adecuación del stock inmobiliario existente supone un campo de trabajo amplio que abarca desde técnicos hasta operarios. El proceso de adecuación de habitabilidad de estos activos constituye una actividad con un gran consumo de recursos temporales e implica una compleja organización de tareas que dificulta el proceso de priorizar las actuaciones. Ante esta circunstancia, existen técnicas de inteligencia artificial como las redes neuronales artificiales, que pueden facilitar el proceso de análisis y valoración. En este trabajo, se diseña un perceptrón multicapa para una de las tipologías de activos más numerosas: las viviendas. Para ello, se analizan un total de 200 viviendas diferentes, que se utilizan para el entrenamiento y validación del modelo. Los resultados permiten predecir, con un grado de ajuste elevado, el importe estimado de los trabajos de adecuación de habitabilidad

red neuronal artificial; perceptrón multicapa; activo inmobiliario; vivienda