Diseño de un modelo de predicción de temperatura en la provincia de Chimborazo basado en técnicas de Machine Learning

Abstract

En el presente proyecto se diseñaron modelos ML para la predicción de temperatura utilizando datos de estaciones meteorológicas ubicadas en la provincia de Chimborazo. Para llegar al objetivo se utilizó información histórica del período 2013-2024 que contenía variables climáticas significativas como temperatura, radiación solar, velocidad del viento y presión atmosférica. Se realizó un procedimiento de depuración de datos, suprimiendo registros que contenían valores inválidos en las variables esenciales. Además, se emplearon métodos de interpolación temporal para calcular los datos ausentes y, cuando los valores interpolados no eran coherentes, se utilizaron medias históricas por hora para preservar la coherencia de la serie temporal. En la ingeniería de características se generaron nuevas variables para mejorar la capacidad predictiva de los modelos. Entre ellas se incluyeron variables de rezago considerando valores previos de temperatura a 1 y 24 horas, y variables cíclicas, transformando las variables de hora y mes mediante funciones seno y coseno para representar su naturaleza repetitiva. Finalmente, se entrenaron y evaluaron tres modelos de regresión: Random Forest Regressor, Prophet y XGBoost. El desempeño de cada modelo se evaluó utilizando métricas como el MAE (Error Absoluto Medio) y el R² (Coeficiente de determinación).