Resumen de Modelos Autorregresivos para Predecir la Velocidad del Viento en la Zona Rural Socabaya de Perú, 2022
Reynaldo Quispe, Renzon Huamani
- español
La zona rural del Perú presenta una gran variabilidad de vientos, su desconocimiento debido a la ausencia de modelos de predicción tiene un efecto desfavorable en la agricultura, infraestructura, seguridad, transporte y optimización de la energía eólica. Este trabajo obtiene un modelo de media móvil integrada autorregresiva (ARIMA) de predicción de la rapidez de viento en el lenguaje de programación R para la zona rural del Perú, distrito de Socabaya de Arequipa. La metodología consiste en el método cuantitativo y técnica documental, con una muestra de 334 datos de viento del año 2022 de la estación meteorológica Administración Nacional de Aeronáutica y Espacio (NASA) (POWER, 2023) para el distrito de Socabaya. Utilizando R, se aplicó el método paramétrico: Dicker-Fuller, Levene, D'Agostino, Kwiatkowski–Phillips–Schmidt–Shin (KPSS) y diferenciación (d=1) para lograr la normalidad y estacionariedad de los datos. Se analiza la función de autocorrelación simple (ACF) y función de autocorrelación parcial (Parcial ACF) mediante un proceso de ajuste recursivo, criterio de información de Akaike (AIC) para elegir el mejor modelo ARIMA de predicción. El resultado obtenido es el modelo de predicción de viento ARIMA (1, 1, 2), con una precisión de error de escala absoluta de media (MASE) de 0,849. Se concluye que el modelo ARIMA obtenido puede usarse para predecir la velocidad de viento en Socabaya a corto plazo, desde el 29 de noviembre hasta 8 de diciembre del 2022, y su aleatoriedad estaría influenciado por la variabilidad climática y cantidad de datos del año 2022.
- English
The rural area of Peru presents a great variability of winds, its ignorance due to the absence of prediction models has an unfavorable effect on agriculture, infrastructure, security, transportation and optimization of wind energy. This work obtains an autoregressive integrated moving average (ARIMA) model for the prediction of wind speed in the R programming language for the rural area of Peru, Socabaya district of Arequipa. The methodology consists of the quantitative method and documentary technique, with a sample of 334 wind data from the year 2022 from the National Aeronautics and Space Administration (NASA) meteorological station (POWER, 2023) for the Socabaya district. Using R, the parametric methods Dickey-Fuller, Levene, D'Agostino, Kwiatkowski-Phillips-Schmidt-Shin (KPSS), and differencing (d=1) were applied to achieve normality and stationarity of the data. The simple autocorrelation function (ACF) and partial autocorrelation function (Partial ACF) are analyzed by means of a recursive adjustment process, Akaike's Information Criterion (AIC) to choose the best ARIMA prediction model. The result obtained is the ARIMA (1, 1, 2) wind prediction model, with a mean absolute scale error (MASE) precision of 0.849. It is concluded that the ARIMA model obtained can be used to predict the wind speed in Socabaya in the short term, from November 29 to December 8, 2022, and its randomness would be influenced by climate variability and amount of data from the year 2022.
