Comparación y Evaluación de Métodos para la Imputación de Precipitación Faltante

• Silva Tipantasig, Lenin Gabriel ^[1]
  1. [1] Universidad Central del Ecuador

     Universidad Central del Ecuador

     Quito, Ecuador

     
• Localización: Ciencia Latina: Revista Multidisciplinar, ISSN-e 2707-2215, ISSN 2707-2207, Vol. 8, Nº. 5, 2024, págs. 11486-11501
• Idioma: español
• Títulos paralelos:
  • Comparison and Evaluation of Methods for Imputing Missing Precipitation
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    En estudios que involucran series temporales, como la precipitación, el análisis de datos depende en gran medida de la calidad y completitud de estos. En este trabajo se exploran diversas técnicas para la imputación de datos faltantes en registros de precipitación mensual, utilizando información proveniente de seis estaciones meteorológicas del Ecuador. Se han empleado conjuntos completos de datos para evaluar la efectividad de distintos métodos de estimación, incluyendo el método de promedio aritmético, la regresión lineal múltiple y árbol de decisión. El método de regresión lineal múltiple proporcionó una estimación aceptable de los datos de precipitación faltantes, lo cual es consistente con estudios previos cuyos hallazgos indican que la regresión lineal múltiple ha demostrado ser un enfoque confiable para la estimación de datos faltantes en diversos campos. Además, se implementó un algoritmo de árbol de decisión, conocido por su capacidad de ofrecer transparencia en la toma de decisiones, una característica útil en el análisis de fenómenos meteorológicos.

  • English

    In studies involving time series, such as precipitation, data analysis largely depends on their quality and completeness. This work explores various techniques for the imputation of missing data in monthly precipitation records, using information from six weather stations in Ecuador. Complete data sets have been used to evaluate the effectiveness of different estimation methods, including the arithmetic mean, multiple linear regression, and decision tree. The multiple linear regression method provided an acceptable estimate of the missing precipitation data, which is consistent with previous studies whose findings indicate that multiple linear regression has proven to be a reliable approach for estimating missing data in various fields. Additionally, a decision tree algorithm was implemented, known for its ability to offer transparency in decision-making, a useful feature in the analysis of meteorological phenomena.