Pronóstico de la velocidad del viento entre 80-95 km sobre la costa peruana utilizando EM, VMD, LSTM y Optuna

Abstract

El análisis de la predicción del viento en la mesósfera y baja termósfera (MLT) es esencial para entender mejor las dinámicas atmosféricas sobre Lima y Piura. Esta tesis evalúa la aplicabilidad de un modelo híbrido que combina algoritmos de máxima verosimilitud (EM), descomposición modal variacional (VMD), redes neuronales Long Short-Term Memory (LSTM) y la herramienta de optimización de hiperparámetros Optuna, para la predicción de la velocidad del viento en la región MLT. El objetivo principal fue comprobar que estos algoritmos son apropiados para la predicción de 8 pasos, equivalentes a un día de datos. Los resultados muestran que el algoritmo EM es efectivo para la imputación de datos faltantes, preservando la distribución original de los datos, y VMD facilita una descomposición óptima de las series temporales. La integración de Optuna permitió seleccionar adecuadamente los hiperparámetros, lo que evitó el sobreajuste y mejoró las predicciones del modelo. Además, al compararlo con un modelo de persistencia, el modelo híbrido propuesto obtuvo mejores resultados en las métricas de RMSE y correlación, aunque el rendimiento disminuyó en los pasos de predicción más lejanos. Este estudio confirma la viabilidad de integrar los algoritmos EM, VMD, LSTM y el software Optuna en la predicción de la velocidad del viento en la región MLT, proporcionando una herramienta efectiva para el análisis atmosférico sobre Lima y Piura.

The analysis of wind prediction in the mesosphere and lower thermosphere (MLT) is essential better to understand the atmospheric dynamics over Lima and Piura. This thesis evaluates the applicability of a hybrid model combining maximum likelihood (ML) algorithms, modal variational decomposition (VMD), Long Short-Term Memory (LSTM) neural networks and the hyperparameter optimization tool Optuna, for wind speed prediction in the MLT region. The main objective was to check that these algorithms are suitable for predicting 8 steps, equivalent to one day of data. The results show that the EM algorithm is effective for missing data imputation, preserving the original distribution of the data, and VMD facilitates an optimal decomposition of the time series. The integration of Optuna allowed the appropriate selection of hyperparameters, which prevented overfitting and improved model predictions. Moreover, compared to a persistence model, the proposed hybrid model obtained better results in RMSE and correlation metrics, although the performance decreased in the more distant prediction steps. This study confirms the feasibility of integrating the EM, VMD, LSTM algorithms and the Optuna software in the wind speed prediction in the MLT region, providing an effective tool for atmospheric analysis over Lima and Piura.