Functional regression models with functional response applied to meteorological variables, temperature, humidity, pressure and radiation
DOI:
https://doi.org/10.55204/trc.v4i1.e317Keywords:
Atypical, pressure, radiation, temperatureAbstract
Introduction: Functional data analysis has many applications and is very useful in different fields such as economics, health sciences, and the environment. It provides, in conjunction with other statistical methods, information to predict events, whether natural, social or health.
Objective: Adjust functional regression models with functional response applied to the meteorological variables, Temperature, Humidity, Pressure and Radiation.
Methods: Descriptively analyze the meteorological variables; adjust the functional regression models of the Radiation variable depending on the variables temperature, humidity and pressure; to evaluate the adjustment of the functional regression models in the meteorological variables.
Results: The graphs of each functional meteorological variable were obtained, an analysis of atypical functional data for each variable, the smoothing of the curves that represent the meteorological variables using Fourier bases. The residual analysis of the linear models with functional response of the radiation variable explained by the variables temperature and pressure resulted in less variation with temperature than with pressure.
Conclusions:The functional regression models with functional response of the radiation variable depending on the pressure variable presented greater variation in the analysis of their residues with respect to the radiation model depending on the temperature variable.
Downloads
References
Brezis, H. (2011). Functional Analysis, Sobolev Space and Partial Differential Equations. Springer, 1 edition.
Febrero-Bande, M., & de la Fuente, M. O. (2012). Statistical computing in functional data analysis: The R package fda. usc. Journal of statistical Software, 51, 1-28.
Chariguamán Maurisaca, N. E. (2015). Análisis y ajustes, con modelos de regresión B-Splines utilizando el Software R, en las variables climatológicas: Temperatura, humedad, radiación y velocidad del viento, de la Estación Meteorológica Solar del Centro de Energía Alternativas, Facultad de Ciencias, Escuela de Física y Matemática [Master’s Thesis]. Escuela Superior Politécnica de Chimborazo.
Giraldo, R. (2016). Estudio de firmas espectrales de palmas de aceite afectadas con la marchitez letal, usando análisis estadísticos de datos funcionales. Revista Palmas, 37:131–139.
Guerrón Varela, E. R. (2015). Análisis de datos meteorológicos del Valle de los Chillos usando datos funcionales. Quito: Universidad San Francisco de Quito.
Laura Millán-Roures, Irene Epifanio, V. M. (2018). Detection of Anomalies in Water Networks by Funtgional Data Analysis. InformaciÃtecnolÃ, 2018:153 – 162.
Melo Martínez, C. E., Malagon Márquez, D. A., and Ramirez Forero, D. D. (2019). Interpoladores determinísticos espacio-temporales, series de tiempo y análisis de datos funcionales para el estudio y predicción de la precipitación en Cundinamarca y Bogotá D.C. 2017-2020. Revista de Topografía AZIMUT, 10(1).
Ortiz Másmela, A. M. (2020). Modelo de datos funcionales para la caracterización de la propagación de una epidemia. Technical report, Universidad ECCI.
Torrecilla Noguerales, J. L. et al. (2010). Análisis de datos funcionales, clasificación y selección de variables. Master’s thesis.
Escudero, A. I., Recalde, C. G., Haro, S. M., and Meneses, M. A. (2016). Spline Cúbico para el Tratamiento Funcional de la Radiación Solar Global. Información Tecnológica, 27:153 – 162.
Yao, F., Müller, H.-G., and Wang, J.-L. (2005). Functional data analysis for sparse longitudinal data. Journal of the American statistical association, 100(470):577–590.
Climatol.pdf. (s. f.). Recuperado 29 de marzo de 2023, de https://cran.r-project.org/web/packages/climatol/climatol.pdf
Farfán, F. P. (2018). Agroclimatología del Ecuador. Editorial Abya-Yala.
Fda.usc.pdf. (s. f.). Recuperado 29 de marzo de 2023, de https://cran.r-project.org/web/packages/fda.usc/fda.usc.pdf
Herrera-Oliva, C. S., Campos-Gaytán, J. R., & Carrillo-González, F. M. (2017). Estimación de datos faltantes de precipitación por el método de regresión lineal: Caso de estudio Cuenca Guadalupe, Baja California, México. Investigación y Ciencia, 25(71), 34-44.
Humedad. (2023). En Wikipedia, la enciclopedia libre. https://es.wikipedia.org/w/index.php?title=Humedad&oldid=149637861
Lam-Vivanco, A., Espinoza-Carrion, F., Santos-Luna, J., & González, C. G.-. (2018). Incidencia de cáncer de piel en población de Machala, Ecuador. Revista Ciencia Unemi, 11(27), 78-86.
Lovio, O. R. G., Daniel, A. A., Portillo, C. M. G., Castillo, C. C. G., Perill, P. A. H., Díaz, N. C., & Jiménez, E. M. (2020). Conocimientos sobre factores de riesgo de cáncer de piel y fotoprotección en 4 áreas de salud en Cuba. Folia Dermatológica Cubana, 13(3), Article 3. https://revfdc.sld.cu/index.php/fdc/article/view/173
Portilla Farfán, F. (2018). Agroclimatología del Ecuador. Editorial Abya-Yala. https://doi.org/10.7476/9789978104927
Presión atmosférica. (2023). En Wikipedia, la enciclopedia libre. https://es.wikipedia.org/w/index.php?title=Presi%C3%B3n_atmosf%C3%A9rica&oldid=149384341
Proyecto_1900.pdf. (s. f.). Recuperado 31 de marzo de 2023, de http://eio.usc.es/pub/mte/descargas/ProyectosFinMaster/Proyecto_1900.pdf
US EPA, O. (2017, noviembre 16). Información básica sobre la radiación [Overviews and Factsheets]. https://espanol.epa.gov/espanol/informacion-basica-sobre-la-radiacion.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Nancy Elizabeth Chariguamán Maurisaca, Manuel Antonio Meneses Freire
This work is licensed under a Creative Commons Attribution 4.0 International License.
The authors retain the moral and patrimonial rights of their works. They only give to the magazine Tesla Revista Científica the right to the first publication of this. Since Tesla Revista Científica is an open access publication, readers can fully or partially reproduce its content as long as they properly credit the corresponding authors and the journal itself. Tesla Revista Científica undertakes not to make commercial use of the texts it receives and/or publishes.
Our journal is governed by the international policies SHERPA/RoMEO: Green journal: They allow the self-archiving of both the pre-print (draft of a paper) and the post-print (the version corrected and reviewed by peers) and even the final version ( layout as it will be published in the journal).
See also "Copyright and licences".
