sự đạc điền

Mạng thần kinh, tốt nhất của Bolivia

Trở về từ Bolivia thật mệt mỏi, 22 giờ di chuyển và điều phức tạp nhất là ở chặng dừng chân cuối cùng đóng đinh tại sân bay Comalapa, El Salvador trước khi đến đất nước xuất phát của tôi. Đó là một tuần mệt mỏi, 8 đến 5 ngày làm việc ngồi hầu hết trong ngày, ăn nhiều nhưng học cũng nhiều.

Hầu như tất cả chúng tôi đều kết luận rằng khóa học quá tải với nội dung và quá ít công việc thực tế, điều này ảnh hưởng đến gánh nặng đối với một giảng viên phải xử lý bài thuyết trình cả ngày, với những Powerpoint nhàm chán và khán giả ở các cấp độ khác nhau ... nửa ngủ gật nửa còn lại bị mất và một số ít đang tìm kiếm lợi ích thiết thực cho những gì họ đã làm. Tuy nhiên, CD với các bài thuyết trình và sự bổ sung với các cuộc triển lãm từ nhiều nước đã mang lại hiệu quả tốt.

Trong số những bài thuyết trình, cuốn sách mà tôi chú ý nhiều nhất là ứng dụng các mạng nơ ron đến các quy trình phức tạp theo nguyên tắc của trí tuệ nhân tạo.

hình ảnh

Vấn đề

Cho dù nó được thực hiện bởi một tổ chức trung ương hay một thành phố địa phương, để thu thuế tài sản đòi hỏi phải thực hiện một phương pháp định giá lớn. Để làm được điều này, có một số từ đơn giản (những kẻ nói dối) đến quá phức tạp (không bền vững). Một trong những phương pháp phổ biến rộng rãi này là thông qua phương pháp thị trường để định giá đất và chi phí thay thế cho các tòa nhà. Điều này đòi hỏi ít nhất ba nhiệm vụ khó khăn:

1. Đang cập nhật giá trị cải tiến. Công cụ đo đạc của nó thông qua những gì được gọi là phân loại xây dựng, chúng được xây dựng với các chương ngân sách, đến lượt nó được tạo thành từ các yếu tố xây dựng và được tạo thành từ các yếu tố cơ bản dưới dạng bảng đơn giá. Theo cách đơn giản nhất là cập nhật cơ sở đầu vào: nguyên vật liệu, nhân công, máy móc thiết bị, dịch vụ chuyên nghiệp hơn và sau đó các mẫu xây dựng sẵn sàng được áp dụng. Tính thực tiễn của phương pháp luận như phương pháp này là việc thu thập số liệu thực địa để định giá chỉ cần tính toán diện tích xây dựng, đặc điểm công trình, chất lượng, bảo tồn ... được ghi chép rõ ràng thì có thể khắc phục được tính chủ quan.

Đối với nông thôn, các nghiên cứu cũng được thực hiện với những đặc điểm mang lại giá trị sản xuất cho tài sản, như cây trồng thường xuyên, nguồn có thể bán được hoặc sử dụng tiềm năng.

2. Cập nhật bản đồ giá trị đất. Điều này được xây dựng dựa trên một mẫu giao dịch bất động sản đáng tin cậy, có tính đại diện đáng kể và được dự báo sẽ có giá trị thị trường theo thời gian. Sau đó, các giá trị này trở thành các vùng đồng nhất có chứa xu hướng dựa trên sự gần gũi và dịch vụ.

3. Nâng cấp mạng dịch vụ công cộng. Ví dụ, khi tình trạng của cơ sở hạ tầng đường bộ thay đổi, những đặc điểm này ảnh hưởng đến một bất động sản trên một hoặc nhiều mặt tiền của nó. Vì vậy, lý tưởng nhất là các giá trị được chuyển từ khối nhà sang trục đường phố để chúng có thể được liên kết với tỷ lệ ảnh hưởng đến mặt tiền của bất động sản ... lý tưởng là khu vực đó có những đặc điểm nhất định mang lại giá trị cho mạng lưới dịch vụ và mối quan hệ của các vùng lân cận đến lợi ích không chỉ ảnh hưởng đến giá trị của đất mà có thể rất tuyến tính.

Làm điều này mỗi 5 năm không phải là khó khăn, nhưng làm như vậy khác nhau cho nhiều thành phố trở nên điên rồ điên loạn ngay cả khi có một ứng dụng máy tính, vì nó vẫn còn phụ thuộc vào dữ liệu bên ngoài và các mẫu hiện trường.

Ứng dụng

Yedra García, thuộc Bộ Kinh tế Tây Ban Nha đã trình bày một bài báo với chủ đề "Trí tuệ nhân tạo áp dụng cho việc định giá khối lượng"

Khái niệm này đi vòng quanh trên web, bằng tiếng Anh, tuy nhiên Yedra đã nêu ra một khả năng, sử dụng các mạng thần kinh áp dụng để giải quyết vấn đề này tự động hoá phương pháp phức tạp mà trông:

Có nghĩa là một số lượng tối thiểu của các chỉ số ở mức trung bình, có thể có một mối quan hệ so sánh bằng cách gửi xuống một xu hướng của giá trị đầu vào và một giá trị đề nghị thăm dò khu vực đồng nhất thông qua phân tích không gian bởi sự tương đồng về điều kiện, có thể tạo ra một ma trận mà làm cho dư thừa trong cả hai cách chống lại dữ liệu thực, chẳng hạn như dữ liệu từ bản tin điện tử của giá xây dựng hoặc giá trị bất động sản.

Tất nhiên, điều này không dẫn đến phân tích đơn giản các dữ liệu dạng bảng, mà còn phân tích không gian các lớp ảnh hưởng đến sự bình ổn giá trị, kết nối giữa thân cây và phân tích địa hình khu vực chung.

Điều này có thể mang lại kết quả ngoài việc đánh giá đơn giản cho mục đích thuế tài sản, chẳng hạn như hoặc quy hoạch các công trình dựa trên điều kiện tác động lên việc đánh giá lại và thu hồi lợi nhuận vốn ... trong số những thứ khác.

hình ảnh

Tư thế này để lại cho tôi một chút về việc hút thuốc lá của một ngày nào đó trong ý định thực hiện nó.

Golgi Alvarez

Nhà văn, nhà nghiên cứu, chuyên gia về Mô hình quản lý đất đai. Ông đã tham gia vào việc hình thành và triển khai các mô hình như: Hệ thống quản lý tài sản quốc gia SINAP ở Honduras, Mô hình quản lý các thành phố chung ở Honduras, Mô hình tổng hợp quản lý địa chính - đăng ký ở Nicaragua, Hệ thống quản lý lãnh thổ SAT ở Colombia . Biên tập viên của blog kiến ​​thức Geofumadas từ năm 2007 và là người tạo ra Học viện AulaGEO bao gồm hơn 100 khóa học về các chủ đề GIS - CAD - BIM - Digital Twins.

Bài viết liên quan

Để lại một bình luận

địa chỉ email của bạn sẽ không được công bố. Các trường bắt buộc được đánh dấu bằng *

Back to top