Modelos Autorregresivos para Predecir la Velocidad del Viento en la Zona Rural Socabaya de Perú, 2022

Abstract

La zona rural del Perú presenta una gran variabilidad de vientos, su desconocimiento debido a la ausencia de modelos de predicción tiene un efecto desfavorable en la agricultura, infraestructura, seguridad, transporte y optimización de la energía eólica. Este trabajo obtiene un modelo de media móvil integrada autorregresiva (ARIMA) de predicción de la rapidez de viento en el lenguaje de programación R para la zona rural del Perú, distrito de Socabaya de Arequipa. La metodología consiste en el método cuantitativo y técnica documental, con una muestra de 334 datos de viento del año 2022 de la estación meteorológica Administración Nacional de Aeronáutica y Espacio (NASA) (POWER, 2023) para el distrito de Socabaya. Utilizando R, se aplicó el método paramétrico: Dicker-Fuller, Levene, D'Agostino, Kwiatkowski–Phillips–Schmidt–Shin (KPSS) y diferenciación (d=1) para lograr la normalidad y estacionariedad de los datos. Se analiza la función de autocorrelación simple (ACF) y función de autocorrelación parcial (Parcial ACF) mediante un proceso de ajuste recursivo, criterio de información de Akaike (AIC) para elegir el mejor modelo ARIMA de predicción. El resultado obtenido es el modelo de predicción de viento ARIMA (1, 1, 2), con una precisión de error de escala absoluta de media (MASE) de 0,849. Se concluye que el modelo ARIMA obtenido puede usarse para predecir la velocidad de viento en Socabaya a corto plazo, desde el 29 de noviembre hasta 8 de diciembre del 2022, y su aleatoriedad estaría influenciado por la variabilidad climática y cantidad de datos del año 2022.