Publicación y autores

Este estudio provee el primer benchmark sistemático de 12 modelos de predicción de temperatura mínima diaria bajo condiciones climáticas extremas de alta altitud tropical, utilizando 25 años de datos satelitales NASA POWER (2000–2025) en 13 estaciones meteorológicas del Altiplano de Puno (3,808–4,470 m s. n. m.).

El modelo Ensemble (XGBoost + LSTM + Random Forest) mediante promedio ponderado alcanza RMSE = 1.65 °C, R² = 0.931 y TSS = 0.87, lo que representa una mejora del 35 % sobre los métodos estadísticos tradicionales. La variable más importante es la temperatura mínima del día anterior (32.1 %), lo que confirma la memoria térmica del suelo del Altiplano.

@article{vilca2025frost,
  title   = {Comparative Analysis of Statistical,
             Machine Learning, and Deep Learning
             Approaches for Frost Prediction in
             the Peruvian Altiplano},
  author  = {Vilca Solorzano, Richar Andre and
             Yana Yucra, Dina Maribel and
             Torres Cruz, Fred},
  journal = {IJACSA},
  volume  = {16},
  number  = {9},
  year    = {2025},
  doi     = {10.14569/IJACSA.2025.0160992}
}