Desarrollo de modelos de inteligencia artificial para el pronóstico de heladas en la cuenca del río Mantaro, Chupaca, 2024

Abstract

La presente investigación tiene el objetivo de mejorar la precisión de las predicciones y optimizar la gestión de riesgos en agricultura, ganadería y salud pública. Se empleará una metodología cuantitativa con enfoque aplicado y diseño experimental predictivo, utilizando modelos de IA como Random Forest, Extra Trees y Gradient Boosting. Se analizaron cinco años de datos climáticos históricos del Instituto Geofísico del Perú (IGP) y SENAMHI, incluyendo temperatura, humedad y radiación. Los resultados mostraron que Random Forest y Extra Trees fueron los modelos más precisos para predecir heladas en un horizonte de 6 a 48 horas. Se realizaron pruebas experimentales bajo escenarios de variabilidad climática, como inversión térmica y el fenómeno del Niño, para evaluar su desempeño. Se concluyó que la integración de redes neuronales profundas y la actualización constante de datos podrían mejorar aún más la precisión de las predicciones a largo plazo.