Search

Drought is a complex natural phenomenon and it is a focus of interest around the world, specially due to enormous economic and human losses it causes in affected regions. For this reason, it is important to understand its behavior, and more important to find mechanisms that allow predict its occurrence, in order to provide authorities with information to design prevention plans. Usually, indices are used to measure drought, two of them are used in this project: Standardized Precipitation Index and Standardized Precipitation Evapotranspiration Index, which require for their calculation meteorological data on precipitation and temperature. Both indexes are calculated at different time scales: 3 and 12 months. Drought indexes constitute the variables to be predicted. Also, others meteorological variables are included: temperature, relative humidity, and the Oceanic Niño Index 3.4, and together they constitute exogenous variables that contribute to predict the indices by using machine learning predictive algorithms. The data comes from 24 meteorological stations corresponding to the Bolivian Central Altiplano, between the years 1981 and 2020. The metrics used to evaluate the comparison are: Mean Square Error, Root Mean Square Error, Mean Absolute Error and Mean Absolute Percentage Error La sequía es un fenómeno natural complejo, que se constituye en un foco de interés a nivel mundial, sobre todo por las enormes pérdidas económicas y humanas que provoca en las regiones afectadas. Por ésta razón es importante comprender el comportamiento de la sequía y mucho más importante encontrar los mecanismos que permitan predecir su ocurrencia y así dotar a las autoridades de información para la elaboración de planes de prevención y mitigación. Para la medición de sequía generalmente se utilizan los índices, en el caso de éste proyecto se utilizan dos: el Índice Estandarizado de Precipitación y el Índice Estandarizado de Precipitación y Evapotranspiración, que requieren para su cálculo datos meteorológicos de precipitación y temperatura. Ambos índices se calculan a distintas escalas de tiempo: 3 y 12 meses. Los índices de sequía se constituyen en las variables a predecir. También se incluyen otras variables meteorológicas como ser temperatura, humedad relativa y el Índice Oceánico del Niño 3.4 y juntas se constituyen en variables exógenas que ayudan a predecir los índices mediante el uso de algoritmos predictivos de aprendizaje automático. Los datos provienen de 24 estaciones meteorológicas correspondientes al Altiplano Central de Bolivia, entre los años 1981 y 2020. Para la evaluación de la comparativa se utilizan las métricas: Error Medio Absoluto, Error Medio Absoluto Porcentual, Error Cuadrático Medio y Raíz Cuadrada del Error Cuadrático Medio.