Análisis comparativo entre un modelo de machine learning y un modelo estadístico para la predicción de Villavicencio
Cargando...
Fecha
Autores
Barrera Meza, Samuel
Urrego Gonzalez, Johan Steven
Director
Enlace al recurso
DOI
Google Scholar
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Documentos PDF
Descripción
Este artículo presenta el desarrollo de un modelo de aprendizaje automático diseñado para predecir los niveles de precipitación en el municipio de Villavicencio, Meta, Colombia. El objetivo principal fue ofrecer una herramienta útil que apoye la toma de decisiones en sectores clave como la agricultura, la gestión ambiental y la planificación urbana. Para ello, se utilizaron datos históricos recolectados desde 1980 hasta 2023 por el IDEAM, los cuales fueron procesados, limpiados y organizados en series temporales. Se implementaron modelos de aprendizaje supervisado con técnicas modernas de programación en Python, y se usó Google Colab como entorno de desarrollo. Se compararon distintos enfoques de predicción para determinar el más efectivo en términos de precisión y eficiencia. Los resultados mostraron una mejora considerable respecto a modelos tradicionales como ARIMA, especialmente en la detección de patrones estacionales. Además, se desarrolló un manual de implementación para facilitar su adopción por organizaciones públicas y privadas interesadas en prever el comportamiento del clima a nivel local.
Abstract
This article presents the development of a machine learning model designed to predict rainfall levels in the municipality of Villavicencio, Meta, Colombia. The main objective was to offer a practical tool to support decision-making in key sectors such as agriculture, environmental management, and urban planning. Historical data collected from 1980 to 2023 by IDEAM were processed, cleaned, and structured into time series. Supervised learning models were implemented using modern programming techniques in Python, with Google Colab as the development environment. Several forecasting approaches were compared to determine the most effective in terms of accuracy and efficiency. Results showed a significant improvement over traditional models such as ARIMA, especially in identifying seasonal patterns. Additionally, an implementation manual was developed to support adoption by public and private organizations interested in local climate forecasting.
Idioma
Palabras clave
Citación
Barrera & Urrego. (2025) Análisis Comparativo entre un Modelo de Machine Learning y un Modelo Estadístico para la Predicción de Villavicencio. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional
Licencia Creative Commons
Attribution-NonCommercial-NoDerivs 2.5 Colombia