Comparativa de Técnicas de Aprendizaje Automático para Análisis y Predicción de Sequía

Abstract

La sequía es un fenómeno natural complejo, que se constituye en un foco de interés a nivel mundial, sobre todo por las enormes pérdidas económicas y humanas que provoca en las regiones afectadas. Por ésta razón es importante comprender el comportamiento de la sequía y mucho más importante encontrar los mecanismos que permitan predecir su ocurrencia y así dotar a las autoridades de información para la elaboración de planes de prevención y mitigación. Para la medición de sequía generalmente se utilizan los índices, en el caso de éste proyecto se utilizan dos: el Índice Estandarizado de Precipitación y el Índice Estandarizado de Precipitación y Evapotranspiración, que requieren para su cálculo datos meteorológicos de precipitación y temperatura. Ambos índices se calculan a distintas escalas de tiempo: 3 y 12 meses. Los índices de sequía se constituyen en las variables a predecir. También se incluyen otras variables meteorológicas como ser temperatura, humedad relativa y el Índice Oceánico del Niño 3.4 y juntas se constituyen en variables exógenas que ayudan a predecir los índices mediante el uso de algoritmos predictivos de aprendizaje automático. Los datos provienen de 24 estaciones meteorológicas correspondientes al Altiplano Central de Bolivia, entre los años 1981 y 2020. Para la evaluación de la comparativa se utilizan las métricas: Error Medio Absoluto, Error Medio Absoluto Porcentual, Error Cuadrático Medio y Raíz Cuadrada del Error Cuadrático Medio.