Pronóstico de precipitaciones utilizando el método de regresión lineal múltiple en el cantón de Ambato, provincia de Tungurahua

El pronóstico preciso de las precipitaciones futuras es crucial debido a que permite tomar decisiones sobre la planificación urbana, la gestión de recursos hídricos y la construcción de obras en la Ingeniería. Debido a ello se elaboró esta investigación mediante un modelo de regresión lineal múltiple el cual combinó análisis estadísticos y modelación matemática. El proceso inició con la recopilación de datos históricos de precipitación de las estaciones meteorológicas Chiqui Urcu, Mula Corral y Quisapincha, sometidos a análisis estadísticos para evaluar parámetros como la media, desviación estándar, y tendencias temporales, además de identificar correlaciones con variables climáticas como humedad relativa, velocidad del viento y temperatura. Se utilizaron las variables más significativas validadas mediante métricas de evaluación: MAE, RMSE y MAPE. Con base en las proyecciones generadas, se elaboraron mapas de isoyetas que representan gráficamente la distribución estimada de la precipitación en diferentes zonas del cantón, facilitando la toma de decisiones. Se consideró un conjunto de datos desde 2013-2024 para las estaciones CH1 y MU2 y desde 2013-2023 para la estación QU3. Los promedios mensuales de precipitación fueron de 89,68 mm para CH1; 78,57 mm para MU2 y 80,98 mm para QU3. Se identificó que la humedad relativa fue la variable con mayor correlación con la precipitación, lo que la posicionó como un factor determinante para los modelos de pronóstico. La estación QU3 presentó una serie temporal no estacionaria, generando mayor dificultad en su modelación. Con un nivel de confianza del 95 por ciento, las variables estadísticamente significativas fueron, para la estación CH1 la humedad relativa, velocidad del viento y temperatura; para MU2 la humedad relativa y temperatura, mientras que en QU3 solo la velocidad del viento fue significativa con un nivel de confianza del 85 por ciento. Para entrenar los modelos, se probaron dos técnicas Hold-Out y validación cruzada de las cuales la que proporcionó mejores resultados fue la técnica de validación cruzada. La capacidad predictiva de los modelos fue evaluada mediante el MAPE, obteniendo valores de 20,09 por ciento, para MU2, 22,82 por ciento, para QU3 y 23,69 por ciento, para CH1; desempeño razonable para un horizonte de tres meses. Los pronósticos señalaron que las mayores precipitaciones se registraron en CH1 y MU2 durante el mes de julio 2024, con valores de 95,26 mm y 95,46 mm, respectivamente, mientras que en QU3 el mes con mayor precipitación fue noviembre de 2023, con 73,96 mm. Por último, se identificó que la disponibilidad limitada de datos en QU3 restringió la actualización de los pronósticos, aunque los modelos pueden ser mejoradas con la incorporación de nueva información para obtener resultados más precisos.

• Main Author: Toscano Altamirano, Melany Monserrath (author)
• Format: bachelorThesis
• Published: 2025
• Subjects: ESTACIONES METEOROLÓGICAS; PRONÓSTICO DE PRECIPITACIONES; REGRESIÓN LINEAL; VARIABLES REGRESORES; VARIABLE DEPENDIENTE
• Online Access: https://repositorio.uta.edu.ec/handle/123456789/43587