Predicción de series temporales de humedad relativa mediante bootstrap y modelos de regresión funcional no paramétrica

Resumen

La investigación tuvo como objetivo, desarrollar intervalos de predicción para series temporales de humedad relativa utilizando la metodología bootstrap combinada con modelos de regresión funcional no paramétrica. Para ello, se registraron los valores de humedad relativa en porcentaje, cada segundo, durante el año 2023 en la estación meteorológica de la Facultad de Ingeniería de la Universidad Nacional de Chimborazo. La investigación incluyó la limpieza de valores atípicos, la interpolación de datos faltantes y el cálculo de la media horaria mensual. Los modelos de regresión funcional se ajustaron mediante B-splines, los cuales capturaron de manera efectiva las características esenciales de cada serie mensual. Se generaron 5000 réplicas de las series temporales usando la metodología bootstrap para predecir la humedad relativa de diciembre de 2023. La predicción fue contrastada con los datos reales obtenidos, mostrando una alta consistencia. Para mejorar la precisión, las predicciones fueron suavizadas con bases de Fourier y se calcularon intervalos de confianza al 95%. Los resultados demuestran que la metodología empleada es sólida, proporcionando intervalos de predicción robustos. Este enfoque no solo facilita una comprensión más profunda de los patrones de humedad relativa a lo largo del año, sino que también ofrece una herramienta valiosa para futuras investigaciones. La metodología implementada puede ser aplicada en la predicción y análisis de series temporales en variables meteorológicas.