Modelos Estocasticos y Redes Neuronales para predicción de vientos

Resumen

Este trabajo desarrolla un modelo de pronóstico horario de viento promedio para Potrerillos, Mendoza, con un horizonte de 12 horas, utilizando modelos estocásticos SARIMA y redes neuronales LSTM, evaluando su desempeño frente a un modelo de persistencia estacional. El estudio aborda la necesidad de predicciones precisas de velocidad del viento, basándose en una caracterización previa de la serie temporal y un modelo LassoCV inicial. La metodología incluye la selección de un modelo SARIMA(p,0,q)(P,0,Q,24) mediante minimización del Criterio de Información de Akaike (AIC), así como la implementación de arquitecturas de redes neuronales LSTM (densa, simple, apilada) con normalización Z-score y una ventana de entrada de 48 pasos para pronóstico multi-paso directo. Los datos provienen de una estación meteorológica en Potrerillos, enfocándose en la variable de viento promedio. Los resultados muestran que el modelo SARIMA supera consistentemente al benchmark de persistencia estacional en todos los horizontes, aunque con una degradación inicial y una meseta estable a largo plazo. El diagnóstico de residuos del SARIMA confirma la captura de la estructura temporal, pero revela una distribución no normal, lo que podría llevar a subestimar eventos extremos, y se espera que las redes neuronales superen estas métricas.