Predicción de datos faltantes en conjuntos de datos climatológicos mediante K-NN
Date
2026-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
“La presente investigación explora la posibilidad de emplear inteligencia artificial para rellenar datos nulos en conjuntos climatológicos. El propósito es mejorar la correlación entre precisión y necesidades de cómputo con respecto a los métodos convencionales. Algunos análisis, como modelado de acuíferos, predicción del clima, caracterización de cuerpos de agua, entre otros, requieren bases de datos de datos climático, y aunque estas son de acceso libre en México, cuentan con espacios vacíos que necesitan ser rellenados. Aunque existen algunos métodos de imputación, estas soluciones tradicionales suelen comprometer la precisión o el tiempo del estudio. Por lo tanto, se propone como alternativa al algoritmo k-NN, que consulta puntos cercanos al de interés para definir un valor, y que destaca por su adaptabilidad y rapidez de procesamiento. Se comparó el error obtenido mediante k-NN con los errores que resultan al utilizar uno de los métodos de tratado de nulos más comunes (imputación por medidas de tendencia central). El método k-NN demostró ser una mejor aproximación”.
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading