Imputación de Datos en Series de Precipitación Diaria Caso de Estudio Cuenca del Río Quindío

Reinoso, Pedro León García

doi:10.18041/1909-2458/ingeniare.18.539

Cited by 3 publications

(2 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The existence of negative spatial autocorrelation may be a major limitation in the application of IDW for estimating missing data. Moreover, climate models, as a useful approach for filling rainfall data, are limited by their spatial scales, cost of model development, and computational burden (Reinoso 2016). Owing to the limitations of traditional statistical methods in handling nonstationary issues and in choosing only nearby stations for predicting rainfall data, the search for an accurate method is still ongoing.…”

Section: Introductionmentioning

confidence: 99%

Multilayer perceptron-based predictive model using wavelet transform for the reconstruction of missing rainfall data

Narimani

Jun

Michele

et al. 2023

Stoch Environ Res Risk Assess

View full text Add to dashboard Cite

The quality and completeness of rainfall data is a critical aspect in time series analysis and for prediction of future water-related disasters. An accurate estimation of missing data is essential for better rainfall prediction results. Multilayer perceptron (MLP) neural networks have been applied to solve stochastic problems in data science. This study suggests a novel approach for estimating missing rainfall data using MLP neural networks based on three configurations that are represented by the monsoon season (MS), non-monsoon season, and non-seasonal variation. For this purpose, a mathematical model was created to analyze and predict the time series of daily rainfall data in Seoul, South Korea. Missing rainfall data were reconstructed using the rainfall data of the other five stations after removing rainfall data from station number two in three time periods. The results of this study indicate that the new architecture of the MLP can accurately predict the missing rainfall data, particularly in the MS configuration when using only the rainfall data obtained during the MS. The performance of the proposed model was tested using the following evaluation criteria: root mean square error, mean absolute error, correlation coefficient, mean absolute deviation, mean absolute percentage error, and standard deviation. The confusion matrix showed values of 89, 83, and 92% for accuracy, recall, and precision, respectively. This indicates that the proposed model can effectively perform rainfall data reconstruction and predict missing rainfall data accurately when the length of the statistical period is limited to the MS with a high volume of rainfall.

show abstract

Section: Introductionmentioning

confidence: 99%

Multilayer perceptron-based predictive model using wavelet transform for the reconstruction of missing rainfall data

Narimani

Jun

Michele

et al. 2023

Stoch Environ Res Risk Assess

View full text Add to dashboard Cite

show abstract

“…However, despite their utility, satellites provide limited coverage and, in most cases, they have very coarse resolutions that limit local applications. Similarly, climate models are useful but are limited by their spatial scale and are often quite expensive to be developed (Reinoso, 2016). Methods of artificial intelligence, such as artificial neural networks (ANN) and support vector machines (SVM) (Mileva-Boshkoska and Stankovski, 2007;Mwale et al, 2012;Hasan et al, 2015) have a complex mathematical formulation.…”

Section: Introductionmentioning

confidence: 99%

Analysis of a new spatial interpolation weighting method to estimate missing data applied to rainfall records

Morales

Horta-Rangel

Segovia-Domínguez

et al. 2019

Atm

View full text Add to dashboard Cite

En el presente trabajo se desarrollaron y probaron dos métodos generalizados ponderados de imputación de los valores de datos faltantes, utilizando para ello series diarias de precipitación. Se usaron registros de precipitación del estado de Tabasco, México, del periodo 1980-2012, para probar y evaluar la metodología propuesta. La imputación de datos faltantes en una estación meteorológica determinada se realizó utilizando información diaria de estaciones cercanas con patrones similares de precipitación. La selección de parámetros óptimos para las fórmulas propuestas se basó en la minimización del error medio absoluto mediante una estrategia evolutiva (CMA-ES). Se utilizó el método de K-medias junto con la distancia euclidiana para elegir las estaciones meteorológicas cercanas adecuadas. Se aplicaron cinco métodos diferentes para estimar el número óptimo de clústeres: el método de Elbow, la estadística de Gap y los índices TraceW, de Hartigan y de Krasnowski-Lai. Adicionalmente, se evaluó la estabilidad estructural de los clústeres seleccionados para demostrar que representan la estructura de datos correcta y no son resultado de un procedimiento interno artificial del algoritmo de agrupación. Los resultados de dos pruebas estadísticas, Friedman y Nemenyi post hoc, mostraron que los dos nuevos métodos presentados, producen estimaciones estadísticas significativamente mejores en comparación con otros métodos encontrados en la literatura.

show abstract

Revisión y perspectivas para la construcción de bases de datos robustas con datos faltantes: caso aplicado a información financiera

Romero

Prieto

Barriosnuevos

et al. 2023

Tecnura

View full text Add to dashboard Cite

Contexto: Se propone un conjunto de opciones que ayudan a determinar el método más adecuado para subsanar en bases de datos de tamaño apreciable, condiciones iniciales de datos faltantes y que serán utilizadas en procesos de investigación. Metodología: El presente artículo aborda una propuesta para el desarrollo y manejo de bases de datos robustas como el caso de registros financieros, enfocándose desde el proceso knowledge discovery in databases (KDD). Resultados: Se desarrolla y prueba una metodología utilizando tres técnicas de imputación en una base de datos construida a partir de 1 253 280 registros financieros de 2238 empresas y que representan siete años de su actividad económica en la localidad de Chapinero, en la ciudad de Bogotá D. C. Conclusiones: Se realiza un comparativo de los métodos de imputación como factor determinante para la elección del método de imputación y consolidación de la base para su posterior uso. Financiamiento: Fundación Universitaria Los Libertadores.

show abstract

Imputación de Datos en Series de Precipitación Diaria Caso de Estudio Cuenca del Río Quindío

Cited by 3 publications

References 3 publications

Multilayer perceptron-based predictive model using wavelet transform for the reconstruction of missing rainfall data

Multilayer perceptron-based predictive model using wavelet transform for the reconstruction of missing rainfall data

Analysis of a new spatial interpolation weighting method to estimate missing data applied to rainfall records

Revisión y perspectivas para la construcción de bases de datos robustas con datos faltantes: caso aplicado a información financiera

Contact Info

Product

Resources

About