Magíster en Geomática

Este estudio se centra en el desarrollo de un modelo predictivo para el valor comercial del suelo por metro cuadrado en propiedades urbanas de Cuenca, Ecuador, utilizando el algoritmo Random Forest. La investigación aborda la significativa discrepancia entre los valores catastrales y comerciales del suelo, subrayando la necesidad de métodos de valoración más precisos. Para mejorar la precisión predictiva, el estudio integra variables urbanas a escalas micro, meso y macro, incluyendo pendiente, elevación, conectividad vial, niveles de ruido y zonificación administrativa. Se desarrollaron tres modelos distintos para lotes, casas y departamentos, alcanzando coeficientes de determinación (R2) de 0.86, 0.89 y 0.72, respectivamente. Las variables más influyentes identificadas fueron la pendiente, el avalúo catastral, la elevación y el ruido. Los resultados resaltan el impacto crítico de la integración y conectividad vial en el valor comercial del suelo. Esta investigación demuestra la eficacia de las técnicas de aprendizaje automático en la valoración del suelo urbano y sugiere la incorporación de variables sociales y de calidad constructiva en futuros estudios para mejorar el rendimiento predictivo y apoyar una planificación urbana sostenible.