Uso de Modelos de Aprendizaje Automático para predecir eventos climáticos en Ecuador

Abstract

Este proyecto aborda la predicción de eventos climáticos en Ecuador mediante modelos de aprendizaje automático. Se analizaron 45 años de datos históricos de 16 ciudades con diversos microclimas, obtenidos a través de la OpenWeather API. Utilizando la metodología KDD (Knowledge Discovery in Databases), se aplicaron técnicas avanzadas como la matriz de correlación para identificar relaciones entre variables y PCA (análisis de componentes principales) para reducir el conjunto de datos a las 7 características más relevantes. Estas técnicas permitieron manejar grandes volúmenes de información y optimizar el rendimiento de los modelos. Durante la fase de desarrollo, se evaluaron 25 configuraciones de diferentes modelos para predicción y clasificación antes de seleccionar los modelos finales. Se diseñaron dos enfoques independientes: una red neuronal LSTM para predecir variables continuas en series temporales, como temperatura, humedad, presión entre otras, con la aplicación de secuencias, y un Random Forest Classifier para clasificar las variables predichas en 14 categorías discretas de tipo de clima. Ambos modelos fueron elegidos por su desempeño y capacidad para manejar patrones complejos en los datos. Posteriormente, los modelos entrenados se almacenaron en formato Joblib, permitiendo su integración eficiente en una API. La API desarrollada permite realizar predicciones para los próximos 3 días, integrando ambos modelos para ofrecer tanto valores continuos como clasificaciones discretas. Este sistema proporciona una solución precisa y escalable que responde a la gran diversidad climática del Ecuador, sentando las bases para futuras investigaciones y aplicaciones en el ámbito de la predicción meteorológica. This project addresses the prediction of climatic events in Ecuador using machine learning models. Forty-five years of historical data from 16 cities with various microclimates, obtained through the OpenWeather API, were analyzed. Using KDD (Knowledge Discovery in Databases) methodology, advanced techniques such as correlation matrix to identify relationships between variables and PCA (Principal Components Analysis) were applied to reduce the dataset to the 7 most relevant features. These techniques made it possible to handle large volumes of information and optimize the performance of the models.During the development phase, 25 configurations of different models were evaluated for prediction and classification before getting to the final models. Two independent approaches were designed; an LSTM neural network to predict the variables in continuous time series, such as temperature, humidity, pressure, among others, with the application of sequences, and a Random Forest Classifier to classify the predicted variables into 14 discrete categories of climate types. Both models were chosen based on their performance and ability to handle complex patterns in the data.Subsequently, the trained models were stored in Joblib format, allowing their efficient integration in an API. The API developed allows predictions for the next 3 next, integrating both models to provide both continuous values and discrete classifications.This system provides an accurate and scalable solution that responds to the great climatic diversity of Ecuador, laying the groundwork for future research and applications in the field of weather forecasting.