Estrategia de remuestreo modificada para valores extremos en datos desequilibrados de contaminación del aire...

Área de la Ciencia:

• Ciencias Ambientales
• Ciencia de Datos
• Modelado Estadístico

Sus antecedentes:

• Los conjuntos de datos de contaminación del aire a menudo muestran distribuciones sesgadas a la derecha debido a eventos extremos, lo que genera datos desequilibrados.
• Los modelos de regresión desequilibrada tienen dificultades con los eventos extremos, mostrando un sesgo hacia las condiciones normales y un rendimiento deficiente durante episodios críticos de contaminación.

Objetivo del estudio:

• Proponer una estrategia de remuestreo novedosa, remuestreo de bloques móviles con ponderación de relevancia (MBB-RW), para abordar la regresión desequilibrada en datos de contaminación del aire.
• Mejorar la precisión predictiva de los modelos, particularmente para eventos extremos de contaminación del aire.

Principales métodos:

• Desarrolló una estrategia de remuestreo modificada, MBB-RW, que integra el remuestreo de bloques móviles con ponderación de relevancia.
• Preservó la dependencia de la serie temporal al tiempo que enfatizaba los puntos de datos extremos en el conjunto de datos de contaminación del aire.
• Aplicó MBB-RW a un modelo de Gradient Boosting Extremo (XGBoost) para la predicción de PM$_{10}$.

Principales resultados:

• MBB-RW mitigó eficazmente el desequilibrio de datos y mejoró el rendimiento del modelo para eventos extremos.
• Reducciones significativas en el Error Cuadrático Medio (RMSE) de 108.3010 a 39.1846 (63.8188%) y en el Error Absoluto Medio (MAE) de 85.1041 a 27.1082 (68.14700%) para la predicción de PM$_{10}$.
• Demostró una mayor precisión en la predicción de las concentraciones de PM$_{10}$ durante eventos extremos de contaminación del aire.

Conclusiones:

• La estrategia de remuestreo MBB-RW es una contribución clave para mejorar la predicción de valores extremos en conjuntos de datos de regresión desequilibrados, específicamente para datos de calidad del aire.
• Este método mejora la precisión de las predicciones de concentración de PM$_{10}$, ofreciendo información valiosa para la gestión de eventos extremos de contaminación del aire.