Sesión Estadística, Probabilidad y Ciencias de DatosModelado y Predicción del Caudal del Río San Juan Mediante Series Temporales
Ignacio Benemérito
Universidad Nacional de San Juan, Argentina - Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
En el presente trabajo se aplica el análisis de series temporales con el fin de obtener un modelo capaz de predecir el comportamiento del río San Juan y que, a su vez, los expertos de su campo (hidrólogos, geólogos y geofísicos) puedan interpretar para así comprender mejor la naturaleza del mismo con la garantía de que el modelo que estudian es compatible con la realidad. El análisis de series temporales multivariadas resulta especialmente útil en este caso. Por un lado se trata con datos que varían a través del tiempo, en otras palabras, se está trabajando con un espacio de probabilidades $X: T \times \Omega \rightarrow \mathbb{R} $ donde $T$ es un conjunto de índices y para cada $ t \in T, X(t):\Omega \rightarrow \mathbb{R} $ es una variable aleatoria llamada $X(t)$ donde cada una de estas variables posee una distribución que no es independiente de los valores previos en la serie temporal. Por otro lado, se trata con un elemento (el río San Juan) cuyo comportamiento depende de muchos factores externos (precipitaciones, superficie nívea y manchas solares), haciendo necesario un análisis multivariado que considere los mismos a fin de mejorar las predicciones y establecer cómo es la relación, si es que existe, entre dichos factores y el caudal del río.
Trabajo en conjunto con: Myriam Herrera (Universidad Nacional de San Juan, Argentina).
Referencias
[1] Hyndman, R., Athanasopoulos, G. (2021). Forecasting: Principles and Practice. (3ª ed.). Monash University. https://otexts.com/fpp3/ .
[2] Shumway, R. (2025). Time Series Analysis and Its Applications With R Examples. (5a ed.). Springer-
[3] Tsay, R. (2014). Multivariate Time Series Analysis With R and Financial Applications. Wiley.
[4] Roobeek, E. (2013). Forecasting multivariate time series: using Vector ARMA models. Eindhoven University of Technology [Bachelor’s Thesis, Eindhoven University of Technology]. Eindhoven University of Technology research portal. https://research.tue.nl/en/studentTheses/forecasting-multivariate-time-series.