Modelado bayesiano de extremos espacio-temporales de precipitación: aplicaciones en estimación de modelos con covariables

Abstract

Esta investigación tiene como objetivo principal el desarrollo de un modelo bayesiano para la estimación de eventos extremos en modelos espacio-temporales que integren covariables, aplicado a datos de precipitación obtenidos de la base de datos CHIRPS en Costa Rica durante el periodo 2015-2022. En la introducción, se presentan las justificaciones y el planteamiento del problema, donde se destaca la importancia de abordar la gestión de fenómenos extremos de precipitación frente a los desafíos climáticos y ambientales actuales. El marco teórico incluye una revisión de la inferencia bayesiana, la teoría de valor extremo, y la estadística espacial, entre otros temas relevantes, que sirven como base para la formulación del modelo. El trabajo incluye una sección dedicada a la formulación del modelo bayesiano de extremos espacio-temporales y la estimación de sus parámetros. A través de técnicas avanzadas de redes neuronales, como redes LSTM y convolucionales, se proponen arquitecturas con el uso de la inferencia amortizada. La sección de análisis experimental presenta estudios de simulación para evaluar el rendimiento del modelo y su comparación con otros enfoques existentes. Además, se realiza una aplicación práctica utilizando datos de precipitación en Guanacaste, Costa Rica, mostrando cómo el modelo espaciotemporal puede mejorar la predicción y comprensión de los eventos extremos en el contexto regional. Finalmente, en las conclusiones se resumen los hallazgos más importantes y las limitaciones del trabajo.