Predicción de la Precipitación como Variable Climática Utilizando Regresión Lineal Múltiple
Modelo de predicción climática basado en regresión lineal múltiple para estimar la precipitación en Oaxaca utilizando datos históricos y técnicas de simulación.
Este proyecto aborda la predicción de la precipitación en la Ciudad de Oaxaca, enfocándose en el mes de junio, periodo clave por el inicio de la temporada de lluvias. El objetivo es reducir la incertidumbre en el comportamiento climático y permitir la toma de decisiones informadas ante fenómenos como sequías, inundaciones y afectaciones en el sector agrícola.
Enfoque y metodología
Se desarrolló un modelo basado en regresión lineal múltiple (MLR), utilizando múltiples variables climáticas como predictores, entre ellas:
Temperatura máxima y mínima
Humedad
Presión atmosférica
Velocidad del viento
Radiación solar
Cobertura de nubes
Este enfoque permite modelar la relación entre distintas variables y mejorar la precisión en la predicción de la precipitación.
Procesamiento de datos
El sistema utiliza datos históricos del periodo 2010–2024, los cuales fueron procesados mediante técnicas de:
Imputación de datos por interpolación para valores faltantes
Organización estructurada en datasets
Preparación de variables para entrenamiento del modelo
Implementación del modelo
El modelo fue desarrollado utilizando herramientas de machine learning en Python, incluyendo:
Entrenamiento mediante algoritmos de regresión
Evaluación con métricas como RMSE (error) y R² (precisión)
Comparación entre valores reales y predichos mediante visualizaciones
Adicionalmente, se incorporó un modelo de series temporales ARIMA para realizar proyecciones climáticas en el periodo 2025–2030, permitiendo extender el análisis hacia escenarios futuros.
Resultados e impacto
Los resultados obtenidos demostraron que el modelo de regresión lineal múltiple presenta un mejor desempeño frente a modelos simples, alcanzando una precisión aproximada del 73.5%, lo que lo convierte en una herramienta útil para la predicción climática y análisis de tendencias.
Este proyecto destaca por la integración de técnicas de simulación, análisis de datos y modelado predictivo, ofreciendo una solución aplicable a problemáticas reales relacionadas con el cambio climático.
Gráfica de proyección climática del año de interés (2025-2030)
.png)