Análisis de series temporales en estaciones meteorológicas para la predicción de la precipitación en la ciudad de Manizales, Colombia

• Autores: Camilo Andrés Pulzara Mora, Juan David Losada Losada
• Localización: Revista de Climatología, ISSN-e 1578-8768, Nº. 23, 2023, págs. 58-70
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se analizaron diferentes series de tiempo utilizando los modelos ARIMA, SARIMA, SARIMAX, Prophet y Neural Prophet con el fin de predecir la precipitación en la ciudad de Manizales-Colombia, haciendo uso de datos proporcionados por el SIMAC. Adicionalmente, los resultados obtenidos por los modelos para las predicciones de los últimos 7 días, muestran valores del error cuadrático medio (RMSE) y del error absoluto medio (MAE) alrededor de 19, indicando que los valores predichos presentan un buen ajuste frente a modelos más robustos como redes neuronales. Por otro lado, el modelo Prophet alcanzó un valor de RMSE igual a 19.06313 y un MAE de 16.24064, donde se evidenciaron errores más bajos que los modelos estocásticos implementados en este trabajo. Por otra parte, los valores predichos por la librería Prophet pueden ser de gran utilidad para el desarrollo de mejores prácticas en la gestión de análisis y riesgo de deslizamientos de tierra en el área. Finalmente, con base en este análisis se desarrolla un sistema de alerta temprana basado en el A25.

  • English

    In this article, different time series are analyzed using the ARIMA, SARIMA, SARIMAX, Prophet, and Neural Prophet models in order to predict precipitation in the city of Manizales, Colombia, using data provided by SIMAC.

    Additionally, the results obtained by the models for the predictions of the last 7 days show root mean square error (RMSE) and mean absolute error (MAE) values around 19, indicating a good fit of the predicted values against more robust models such as neural networks. On the other hand, the Prophet model achieved an RMSE value of 19.06313 and a MAE of 16.24064, demonstrating lower errors compared to the stochastic models implemented in this work. Furthermore, the predicted values from the Prophet library can be highly useful for the development of best practices in landslide analysis and risk management in the area. Lastly, based on this analysis, an early warning system based on the A25 is developed.