Avaliação de métodos convencionais e de aprendizagem de máquina para completar séries de precipitação

##article.abstract##

Neste trabalho se discutem os resultados obtidos após a avaliação de oito métodos baseados na aprendizagem de máquina, e três métodos correspondentes aos que historicamente têm sido empregados para completar dados faltantes em séries de tempo. Os dados utilizados para as análises correspondem a totais mensais de precipitação, coletados pelo Instituto de Hidrologia, Meteorologia e Estudos Ambientais da Colômbia (Ideam) em quatro estações meteorológicas localizadas na bacia do rio Baché, no município de Palermo, Huila, Colômbia. Para levar a cabo a avaliação dos métodos, se reproduziram os dados existentes, a maneira de faltantes, e em base a diferença destes se calcularam três métricas diferentes de erro: raiz de erro médio quadrático (REMC), eficiência de Nash-Sutcliffe (NSE) e sesgo. Os resultados mostram que os métodos de aprendizagem de máquina para completar séries de tempo são confiáveis, já que resultados similares, e em alguns casos melhores, podem ser alcançados sem uma precisa implementação, e, consequentemente, uma maior atenção a estes pode levar a resultados menos incertos