Tesis doctorales de la Escuela Internacional de Doctorado de la URJC desde el curso 2024/25
Modelos de predicción adaptativos para series temporales basados en la optimización de métricas de error y en la naturaleza de la serie
Autor
GENEROSO GUTIÉRREZ, ÓSCAR
Director
GARCÍA SIPOLS, ANA ELIZABETH
Codirector
SIMÓN DE BLAS, CLARA
Fecha de depósito
29-09-2026
Periodo de exposición pública
30 de septiembre a 14 de octubre de 2026
Fecha de defensa
Sin especificar
Programa
Tecnologías de la información y las Comunicaciones (TICs)
Mención internacional
No
Resumen
Esta tesis aborda el desarrollo de metodologías predictivas adaptadas al contexto operativo en el que se utilizan las predicciones. En numerosos problemas reales, la calidad de una predicción no puede evaluarse únicamente mediante métricas simétricas de error, ya que las consecuencias prácticas de infraestimar o sobrestimar pueden ser muy diferentes. Por ello, se diseñan modelos capaces de incorporar restricciones, criterios de decisión y costes asimétricos asociados al error.
La tesis desarrolla dos modelos principales. El primero propone una metodología de combinación de predicciones mediante programación no lineal. Esta formulación permite integrar distintas métricas de evaluación dentro de una función objetivo multicriterio e incorporar restricciones operativas, como la reducción de la infraestimación media. El modelo se aplica a una serie de ventas de un producto farmacéutico, donde la predicción condiciona la planificación de la demanda y la gestión del stock.
El segundo modelo se centra en la predicción de la evapotranspiración de referencia ET0 en una parcela de olivar. Para ello, se propone una arquitectura LSTM de doble rama que integra información histórica, variables climáticas externas y estimaciones físico-empíricas de evapotranspiración. Además, se incorpora una función de pérdida cuantílica asimétrica, orientada a penalizar con mayor intensidad las infraestimaciones, por su impacto sobre la programación del riego y el riesgo de estrés hídrico.
Los resultados obtenidos muestran que la incorporación de criterios operativos al proceso predictivo permite generar modelos más coherentes con el uso real de las predicciones. En conjunto, la tesis contribuye al desarrollo de un enfoque de predicción adaptativa orientada a decisión, aplicable a contextos donde la dirección y las consecuencias del error son tan relevantes como su magnitud. De este modo, se defiende que la calidad predictiva debe valorarse no solo por la cercanía al dato observado, sino también por su capacidad para sostener mejores decisiones bajo las condiciones reales del problema.
