💻 computer science

Predictive Intelligence for Civil Works Valuation: A Hybrid Random Forest–ANN Model with 91.20% Accuracy for Dynamic Cost Management in Peru

Este estudio propone un modelo híbrido de Random Forest–ANN entrenado en 450 proyectos de construcción peruanos que logra una precisión del 91,20% en la valoración dinámica de costos, reduciendo significativamente los errores de predicción y el sesgo geográfico, al tiempo que ofrece una vía viable para su integración en los marcos de gestión de infraestructura pública del Perú.

Autores originales: PAUL RICARDO PRUDENCIO GALVEZ

Publicado 2026-06-30

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: PAUL RICARDO PRUDENCIO GALVEZ

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando adivinar el precio final de la construcción de una casa en Perú. En el pasado, la gente hacía esto mirando una lista estática de precios (como un menú del año pasado) y sumándolos. Pero en Perú, el "menú" cambia constantemente debido a tres cosas complicadas: el clima y el terreno (costa vs. sierra vs. selva), la altitud (qué tan alto estás) y el riesgo de terremotos.

Debido a estos factores cambiantes, los métodos tradicionales de estimación solían equivocarse por unos $142,800 por proyecto. Esa es una brecha financiera enorme.

Este artículo presenta una nueva forma más inteligente de predecir costos utilizando un "cerebro digital" que aprende del pasado. Aquí está el desglose en términos sencillos:

1. El Problema: El mapa de "talla única" no funciona

Imagina intentar navegar por Perú usando un solo mapa que trata a la playa, los altos Andes y la selva amazónica exactamente igual. No funcionaría. Un camión subiendo una montaña consume más combustible que uno en la costa; un edificio en una zona sísmica necesita materiales más fuertes (y más caros).

Los viejos modelos computacionales utilizados en la construcción no entendían estas diferencias. Trataban a todo el país como un lugar plano y uniforme, lo que provocaba errores costosos.

2. La Solución: Un sistema de "Doble Cerebro"

El autor creó un nuevo modelo computacional que actúa como un equipo de expertos de dos personas trabajando juntas:

Cerebro A (Random Forest): Esta parte es excelente analizando muchas reglas y patrones a la vez. Es como un ingeniero veterano que ha visto miles de proyectos y conoce las "reglas de oro".
Cerebro B (Red Neuronal Artificial): Esta parte es como un mago del reconocimiento de patrones. Observa datos complejos y desordenados y encuentra conexiones ocultas que los humanos podrían pasar por alto.

Al combinar estos dos cerebros, el modelo obtiene lo mejor de ambos mundos. Fue entrenado con 450 proyectos de construcción reales en Perú entre 2018 y 2025.

3. El Ingrediente Secreto: Los "Factores de Ajuste Peruanos"

El modelo no solo mira el precio de los ladrillos y el cemento. Añade un "filtro peruano" especial a cada cálculo. Hace tres preguntas específicas antes de dar un precio:

¿Dónde está? (¿Costa, Sierra o Selva?)
¿Qué tan alto es? (¿Está por encima de los 3,500 metros, donde la logística es más difícil?)
¿Es inestable? (¿Cuál es el nivel de riesgo sísmico según las normas de construcción de Perú?)

Esto es como un GPS que no solo te dice la distancia, sino que también calcula cuánto combustible extra necesitas debido a las pendientes pronunciadas y los atascos de tráfico.

4. Los Resultados: Una bola de cristal mucho más aguda

Los resultados fueron impresionantes:

Precisión: El nuevo modelo predijo los costos con una precisión del 91.20%.
Dinero ahorrado: En lugar de fallar por $142,800 (con el método antiguo), el nuevo modelo solo falla por aproximadamente $91,350. Eso es un ahorro de alrededor de $51,450 por proyecto.
Sesgo Reducido: Redujo el "sesgo geográfico" (el error causado por ignorar las diferencias de ubicación) en un 34%.

5. Por qué esto importa para Perú

El artículo argumenta que esto no es solo un truco matemático; es una herramienta práctica para el gobierno y las empresas privadas.

Datos Reales: Utiliza registros públicos reales del sistema de contrataciones de Perú (SEACE).
Preparado para el Futuro: Se integra en los sistemas digitales existentes de Perú (como PlanBIM) y sigue las leyes específicas del país sobre cómo se deben ajustar los precios de construcción.
Menos Conflictos: Al predecir los costos con mayor exactitud, habrá menos discusiones y renegociaciones cuando un proyecto se pase del presupuesto.

En resumen: El autor construyó una herramienta informática inteligente que entiende la realidad única, accidentada y propensa a terremotos de Perú. Al combinar dos tipos de IA y añadir reglas locales específicas, predice los costos de construcción con mucha más exactitud que los métodos antiguos, ahorrando al país una cantidad significativa de dinero y reduciendo el riesgo financiero.

Resumen Técnico: Inteligencia Predictiva para la Valoración de Obras Civiles en Perú

Planteamiento del Problema
Los proyectos de ingeniería civil en Perú enfrentan desafíos significativos en la valoración dinámica de costos debido a la volatilidad de los precios de los insumos, la complejidad regulatoria bajo la Ley de Contrataciones del Estado (Ley N° 30225) y la subjetividad inherente de la estimación paramétrica tradicional. Si bien existen modelos de aprendizaje automático (ML) globales, estos no logran abordar las realidades normativas, geográficas y logísticas específicas del mercado peruano. Estas realidades incluyen una dispersión geográfica extrema (costa, sierra, selva), zonas sísmicas distintivas definidas por la NTE E.030, variaciones de altitud y una estructura de reajuste basada en fórmulas polinómicas del INEI. En consecuencia, los métodos tradicionales arrojan errores de predicción promedio que superan los ±USD 142,800 para proyectos de mediana escala, mientras que los proyectos de infraestructura experimentan sobrecostos superiores al 58% y retrasos de aproximadamente el 65%. Los enfoques existentes, que a menudo dependen de LSTM univariante o regresión lineal, no pueden capturar simultáneamente las dependencias relacionales y temporales requeridas para modelar los efectos en cascada de las desviaciones de actividades dentro de una Estructura de Desglose de Trabajo (WBS/EDT).

Metodología
El estudio propone un modelo híbrido de ML que integra Random Forest (RF) y Redes Neuronales Artificiales (ANN) para abordar estas brechas. La metodología se fundamenta en una formulación de costo dinámico ( $C_d$ ) que supera la sumatoria algebraica estática:

Fuente de Datos: El modelo fue entrenado con 450 proyectos de construcción ejecutados en Perú entre 2018 y 2025, obtenidos de SEACE, el Ministerio de Economía y Finanzas (MEF) y registros de entidades públicas regionales. Las variables de entrada incluyeron área construida, tipo estructural, ubicación geográfica, complejidad logística, zona sísmica, altitud, historial de precios de materiales locales e índices de series de IPC regional.
Ecuación de Costo Dinámico: La ecuación central se define como $C_d(t) = \Sigma [Q_i(t) \times P_{base,i} \times I_{regional}(t)] + \epsilon_{ML}$ $C_{d} (t) = Σ [Q_{i} (t) \times P_{ba se, i} \times I_{r e g i o na l} (t)] + ϵ_{M L}$ .
- $Q_i(t)$ : Cantidades físicas extraídas de modelos BIM 5D.
- $P_{base,i}$ : Precios unitarios base homologados de CAPECO y MEF.
- $I_{regional}(t)$ : Un índice regional espacio-temporal calculado como $I_{nacional}(t) \times \phi_{geo} \times \phi_{alt} \times \phi_{sísmica}$ . Este índice incorpora de manera única factores geográficos (costa/sierra/selva), correcciones de altitud (>3,500 m.s.n.m.) y ajustes de zona sísmica (NTE E.030).
- $\epsilon_{ML}$ : Un factor de corrección predictiva generado por el modelo híbrido para capturar errores residuales no explicados por los índices oficiales.
Arquitectura Híbrida: El modelo utiliza una función de pérdida híbrida ponderada ( $L_{hybrid} = \alpha \cdot MSERF + (1-\alpha) \cdot MAEANN + \lambda||\theta||^2$ ) con $\alpha=0.6$ para equilibrar el control de la varianza (RF) y la reducción del sesgo (ANN). La regularización L2 ( $\lambda$ ) evita el sobreajuste dado el tamaño limitado del conjunto de datos ( $n < 600$ ).
Validación: La estabilidad estadística fue confirmada mediante validación cruzada de 10 pliegues ( $k=10$ ), obteniendo una desviación estándar de $\sigma = \pm 2.1\%$ .

Contribuciones Clave
El artículo identifica tres contribuciones primarias:

Desarrollo Algorítmico: La creación y validación de un algoritmo híbrido RF+ANN entrenado específicamente con datos peruanos, alcanzando una precisión del 91.20%.
Formalización Matemática: La formulación de ecuaciones de costo dinámico matemáticamente verificables, incluyendo el índice regional espacio-temporal ( $\phi_{geo} \cdot \phi_{alt} \cdot \phi_{sísmica}$ ) y la integración de indicadores de Gestión del Valor Ganado (EVM) (CPI, EAC) como variables de retroalimentación.
Marco de Implementación: Una ruta propuesta para integrar este modelo con el ecosistema PlanBIM Perú, SEACE y el Marco Macroeconómico Multianual del MEF para apoyar contratos EPC y Asociaciones Público-Privadas (APP).

Resultos
El modelo híbrido alcanzó una precisión del 91.20% en el conjunto de prueba (90 proyectos), con un $R^2$ de 0.9819 y un RMSE de 0.1358.

Reducción del Error: El error de predicción promedio se redujo de ±USD 142,800 (métodos tradicionales) a ±USD 91,350 (modelo ML), lo que representa una reducción del 35.9% en el riesgo financiero de estimación y una mejora absoluta de USD 51,450 por proyecto.
Mitigación del Sesgo: La integración del índice regional espacio-temporal redujo el sesgo geográfico en un 34% en comparación con los modelos que utilizan un único índice nacional (estadísticamente significativo, $p < 0.001$ ).
Contexto de Desempeño: El modelo superó la estimación paramétrica tradicional por 18.8 puntos porcentuales y demostró un desempeño superior en contextos de alta inflación (2022–2023) y proyectos de la sierra de gran altitud.

Significancia y Reivindicaciones
El artículo sostiene que este estudio establece un nuevo estándar para la gestión financiera de la infraestructura peruana al cerrar la brecha entre las capacidades globales de ML y las especificidades geográficas y regulatorias locales. La precisión del 91.20% se presenta no solo como una métrica estadística, sino como una mitigación tangible de los riesgos financieros en contratos EPC y APP, donde los sobrecostos suelen derivar de un pronóstico inadecuado de los reajustes regionales.

Los autores afirman que el modelo es operativamente viable dentro del marco peruano actual, aprovechando la transparencia de los datos públicos existentes (SEACE) y las iniciativas gubernamentales (PlanBIM, Invierte.pe). Sin embargo, el documento reconoce modestamente ciertas limitaciones, incluyendo la heterogeneidad de los formatos de datos históricos de las entidades regionales, la ausencia de un repositorio nacional de costos unitarios georreferenciados y la necesidad de actualizaciones semestrales del modelo para adaptarse a los cambios regulatorios en las Normas Técnicas de Edificación. La investigación futura se dirige hacia la estandarización de datos y la extensión del modelo hacia la predicción de cronogramas (Earned Schedule).