Previsión del nivel de un río
Proyecto de previsión hidrológica basado en observaciones históricas, variables retardadas, modelos de referencia y evaluación rigurosa.
Proyecto personal de aprendizaje y demostración. No es un despliegue para un cliente real.
Datos
- Observaciones históricas
- Variables retardadas (lags)
Modelos
- Referencias simples
- Modelo predictivo
- Evaluación temporal
Esquema conceptual de un flujo de previsión con series temporales. Se sustituirá por un diagrama propio.
Visión general
Un proyecto personal de previsión de series temporales aplicado a hidrología. Su objetivo es práctico y metodológico: construir una previsión y medir con rigor cuánto mejora a las alternativas más simples.
Problema y objetivo
El nivel de un río depende de lluvias recientes, caudales aguas arriba y su propia inercia. Prever el nivel a corto plazo exige aprovechar el historial sin engañarse con métricas infladas. El objetivo es comparar modelos con referencias sencillas y quedarse solo con lo que de verdad aporta.
Enfoque
- Observaciones históricas como base del problema.
- Variables retardadas (lags) para que el modelo conozca el pasado reciente.
- Referencias de comparación, como suponer que el nivel de mañana será el de hoy.
- Modelo predictivo entrenado sobre las variables construidas.
- Evaluación con validación temporal: entrenar con el pasado y probar con el futuro, nunca mezclar.
Los detalles de implementación (motores, modelos y parámetros concretos) los explico en una conversación.
Tecnologías
Python, análisis de series temporales y modelado predictivo.
Retos y decisiones
- Fuga de información. Usar datos del futuro al construir variables o validar produce resultados falsamente buenos. La división temporal evita este problema.
- Referencias simples. En series con fuerte inercia, la persistencia es una referencia difícil de batir; un modelo complejo debe superarla para justificarse.
- Eventos extremos. Las crecidas son raras y las que más importan; la evaluación debe mirar también ese tramo, no solo el error medio.
Resultados y evaluación
Las métricas de evaluación aún no están publicadas: no se muestran cifras sin validar.
Relación con servicios
El mismo enfoque —referencia simple, validación temporal y límites explícitos— se aplica en analítica predictiva para empresas, por ejemplo en previsión de demanda.