Clasificación de paquetes de series temporales en R. Ejemplo de modelización ARIMA con datos de contaminación de Madrid

Abstract

Este trabajo fin de grado presenta una pequeñaa clasificación de los paquetes y funciones de R más recomendables para tratar con series temporales y en particular con modelos ARIMA. Como ejemplo para el uso de R en la modelación de una serie temporal, se utilizan datos horarios y diarios de contaminación de NO2 de una zona concreta de Madrid, tanto para el análisis descriptivo como para crear modelos predictivos. Previamente, se realiza un preprocesamiento de los datos. A nivel descriptivo se realizan comparaciones anuales,mensuales,diarias y horarias utilizando la herramienta Tableau. Además, se trabaja con datos de Marzo y Abril de 2020 en los que se produjo el estado de alarma por la enfermedad del Covid19, lo cual se verá reflejado en una disminución notable de la contaminación. Para los modelos predictivos se aplica un enfoque de Box-Jenkins a dos series,una mensual y otra horaria, esta última se modela con doble estacionalidad.

This Final Degree Project presents a small classification of the most recommended R packages and functions for dealing with time series and in particular with ARIMA models. As an example for the use of R in the modeling of a time series, hourly and daily pollution data of NO2 are used from a specific area in Madrid, both for descriptive analysis and for creating predictive models. Previously, the data is pre-processed. At a descriptive level, annual, monthly, daily and hourly comparisons are made using the Tableau tool. In addition, we work with data from March and April 2020, when the state of alarm for Covid disease19 occurred,, which will be reflected in a significant decrease in the contamination levels. For predictive models, a Box-Jenkins methodology is applied to two series, one monthly and the other one hourly. The latter is modeled with double seasonality.