Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/19932| Título : | Comparación de técnicas de relleno de datos faltantes de variables meteorológicas en la provincia de Chimborazo |
| Autor : | Altamirano Espinel, Cristofer Javier Carrillo Freire, Pablo Fernando |
| Director(es): | Ramos Araujo, Cristina Estefanía |
| Tribunal (Tesis): | Pérez Londo, Natalia Alexandra |
| Palabras claves : | METEOROLOGÍ;MÉTODO DE IMPUTACIÓN;MÉTODO DE MISSFOREST;IMÁGENES SATELITALES |
| Fecha de publicación : | 13-jul-2023 |
| Editorial : | Escuela Superior Politécnica de Chimborazo |
| Citación : | Altamirano Espinel, Cristofer Javier; Carrillo Freire, Pablo Fernando. (2023). Comparación de técnicas de relleno de datos faltantes de variables meteorológicas en la provincia de Chimborazo.Escuela Superior Politécnica de Chimborazo. Riobamba |
| Identificador : | UDCTFC;226T0152 |
| Abstract : | Meteorological variableshavehighlightedtheirimportance.Theirstudyhashelpedtounderstand climate behavior.Anetworkof11meteorologicalstationswasinstalledintheprovince of Chirnborazo.Thefrequencyofmaintenanceandcalibrationoftheequipmenthas depended oneconomicresourcesthatareincreasinglyscarce,generatingasaconsequence loss ofinformation.However,alargeamountofmissingdatawasevidencedforeach station, datarecordedeveryhourfrom2014to2021ispresented.Throughadescriptive statistical analysis,itwasobservedthattheSanJuanstationpresentsapproximately0.32 hand, theCumandstationhasapproximately32.42developmentoftheobjectives,severaldata imputation techniquesfoundinthebibliographyareproposedtobeabletofillinthemissingdata presented bythedifferentmeteorologicalstations.Thefollowingtechniqueshavebeencompared: data fillingbymeans,datafillingusingtheqratio,datafillingusingsimplelinearregression,data fill ingusingMISSFORESTinR,anddatafillingusingsatelliteimagery.Oncethesetechniques and methodshavebeenappliedtothetwostations(CumandáandSanJuan),ithasbeendetermined which oftheseturnsouttobethebestwhenfillinginthemissingdata,throughstatisticalmetrics such asthemean,thevariance,theerrorsquadraticsandalsothroughtimeseriestoanalyzethe behaviorofthedatabeforeandafterdatafilling.Withthis,itisconcludedthattheMISSFOREST method isappropriateforfillingintheAmbientTemperatureandRelativeHumidityvariableand the satellite image technique satisfies the Precipitation variable. |
| Resumen : | Las variables meteorológicas han remarcado su importancia. Su estudio ha ayudado a comprender el comportamiento climático. Se instaló una red de 11 estaciones meteorológicas en la provincia de Chimborazo. La frecuencia de mantenimiento y calibración de los equipos ha dependido de recursos económicos que cada vez son más escasos, generando como consecuencia pérdida de información. Sin embargo, se evidenció una gran cantidad de datos faltantes para cada estación, se presentan datos registrados cada hora desde 2014 hasta el 2021. Mediante un análisis estadístico descriptivo se observó que la estación San Juan presenta aproximadamente el 0.32 % de datos faltantes en todo el periodo de tiempo. Por otro lado, la estación de Cumandá tiene aproximadamente un 32,42 % de datos faltantes, definiéndola como el peor escenario. El objetivo de esta investigación fue determinar la mejor técnica o método para imputación de datos faltantes en las variables: Temperatura Ambiente, Humedad Relativa y Precipitación. En el desarrollo de los objetivos, se propone varias técnicas de imputación de datos encontradas en bibliografía para poder rellenar los datos ausentes que presentan las diferentes estaciones meteorológicas. Se han comparado las siguientes técnicas: relleno de datos por medias, relleno de datos usando la razón q, relleno de datos aplicando regresión lineal simple, relleno de datos usando MISSFOREST en R y relleno de datos usando imágenes satelitales. Una vez aplicadas estas técnicas y métodos sobre las dos estaciones (Cumandá y San Juan) se ha determinado cuál de estas resulta ser la mejor al momento de rellenar los datos faltantes, a través de métricas estadísticas tales como la media, la varianza, los errores cuadráticos y además mediante series temporales para analizar el comportamiento de los datos antes y después del relleno de datos. Con esto se llega a la conclusión que el método MISSFOREST es apropiado para el relleno de variable Temperatura Ambiente y Humedad Relativa y la técnica de imágenes satelitales satisface la variable Precipitación. |
| URI : | http://dspace.espoch.edu.ec/handle/123456789/19932 |
| Aparece en las colecciones: | Ingeniero en Estadística Informática; Ingeniero/a Estadístico/a |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 226T0152.pdf | 10,85 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
