Descripción de dos métodos de rellenado de datos ausentes en series de tiempo meteorológicas

• Alfaro, Eric J. ^[1] ; Soley, F. Javier ^[1]
  1. [1] Universidad de Costa Rica

     Universidad de Costa Rica

     Hospital, Costa Rica

     
• Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 16, Nº. 1, 2009, págs. 60-75
• Idioma: español
• DOI: 10.15517/rmta.v16i1.1419
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 5 Citas
• Resumen

  • Se presentan dos metodolog´?as para el rellenado de datos ausentes, enfocadas haciasu uso en series de tiempo geof´?sicas. La primera se basa en la descomposici´on encomponentes principales de la matriz de correlaci´on de datos de una misma variableentre estaciones cercanas y en periodos de tiempo comunes. Este m´etodo multivariablepermite incorporar en los valores rellenados los fen´omenos de mayor escala a partirde la informaci´on de las estaciones cercanas. El segundo m´etodo es para ser utilizadocuando no hay estaciones cercanas y el rellenado se debe hacer con la informaci´on dela misma estaci´on. Consiste en ajustar un modelo autoregresivo a la serie de tiempo yutilizar ese modelo como estimador de los datos ausentes. Se evaluaron dos algoritmospara calcular los coeficientes autoregresivos: el estimador de Burg y el propuesto porUlrych y Clayton. El primero es apropiado para procesos estoc´asticos y el segundo paraseries determin´?sticas. Las dos metodolog´?as descritos en este trabajo son recursivas:se hace una primera estimaci´on a los datos ausentes corriendo el algoritmo ignorandolos datos ausentes si es posible ´o aproxim´andolos de forma grosera. El algoritmo secontin´ua ejecutando con los nuevos valores sustituyendo los valores estimados en lacorrida anterior. La ejecuci´on termina cuando la diferencia m´axima de los valoresestimados entre dos corridas sucesivas es menor que un valor fijado de antemano porel usuario. Los datos rellenados conservan la media y la desviaci´on est´andar originalde la serie de tiempo. Estos algoritmos se adaptaron y modificaron, por medio del usode Interfaces Gr´aficas con el usuario, para su uso en SCILAB, que es una plataforma similar a MATLAB pero de fuente abierta y que corre indistintamente en Windows yLinux. Ellos fueron elaborados como una actividad de extensi´on de la Universidad deCosta Rica.Palabras clave: datos faltantes, control de calidad, filtros auto regresivos, an´alisis decomponentes principales, aplicaciones de software libre.

• Referencias bibliográficas
  • Alfaro, E.; Cid, L. (1999) “Ajuste de un modelo VARMA para los campos de anomalías de precipitación en Centroamérica y los índices de los...
  • Ebisuzaki, W. (1997) “A method to estimate the statistical significance of a correlation when the data are serially correlated”, J. Climate...
  • Kay, S.M.; Marple, S.L. (1981) “Spectrum analysis – A modern perspective”, Proc. IEEE, 69: 1380–1419.
  • Magaña, V.; Amador, J.; Medina, S. (1999) “The midsummer drougth over Mexico and Central America”, Journal of Climate 12: 1577-1588.
  • North, G.R.; Bell, T.L.; Cahalan, R.F.; Moeng, F.J. (1982) “Sampling errors in the estimation of empirical orthogonal functions”, Mon. Wea....
  • Press, W.H.; Teukolsky, S.A.; Vetterling, W.A.; Flannery, B.P. (1992) Numerical Recipes in C: the Art of Scientific Computing. Cambridge University...
  • Sciremammano, F. (1979) “A suggestion for the presentation of correlations and their significance levels”, J. Phys. Oceanogr. 9: 1273–1276.
  • Soley, F.J. (2003) Análisis en Componentes Principales. Notas de clase del curso SP-5906, Métodos Digitales de Análisis de Secuencias Temporales....
  • Soley, F.J. (2005) Sistemas lineales ARMM(p,q) con p + q ≤ 4. Primera Parte: Sistemas lineales AR (p ≤ 4). Notas de clase del curso SP-5906,...
  • Soley, F.J.; Alfaro, E. (1999) “Aplicación de análisis multivariado al campo de anomalías de precipitación en Centroamérica”, Tóp. Meteor....
  • Tabony, R.C. (1983) “The Estimation of Missing Climatological Data”, Journal of Climatology 3: 297–314.
  • Ulrych T.J.; Bishop, T.N. (1975) “Maximum Spectral Analysis and Autoregressive Decomposition”, Reviews of Geophysics and Space Physics 13(1):...
  • Ulrych T.J.; Clayton, R.W. (1976) “Time Series Modeling and Maximum Entropy”, Physics of the Earth and Planetary Interiors 12: 188–200.
  • Wilks, D. (1995) Statistical Methods in the Atmospheric Sciences. Academic Press, New York.