UD3 · Análisis de series temporales

Objetivos de la unidad

Al finalizar esta unidad el alumnado será capaz de:

• Adquirir series temporales desde distintas fuentes (APIs, IoT, websockets) mediante streaming y batch.
• Preprocesar y segmentar correctamente un dataset temporal para experimentación.
• Configurar y ejecutar experimentos con modelos de pronóstico (ARIMA, Prophet, LSTM, TFT).
• Documentar las predicciones, la fiabilidad y el tiempo de cómputo.
• Desplegar el modelo de pronóstico integrando sus entradas y salidas en el sistema productivo.

Resultado de aprendizaje: Analiza conjuntos de datos en serie temporal con la herramienta de pronóstico para elaborar un modelo predictivo.

¿Qué es una serie temporal?

Una serie temporal es una secuencia de observaciones ordenadas en el tiempo, con una frecuencia definida.

Componentes de una serie temporal

Casos de uso empresariales

• Predicción de demanda de productos (retail, logística).
• Previsión de consumo energético (utilities).
• Pronóstico de precios financieros (fintech, banca).
• Detección de anomalías en métricas de sistemas (IT operations).

Adquisición de series temporales — Fuentes y protocolos

Adquisición por streaming (tiempo real)

Adquisición por batch (histórico)

• Descarga de ficheros CSV/Parquet desde un data lake.
• Query a una base de datos de series temporales (InfluxDB, TimescaleDB, QuestDB).
• Export de un ERP o sistema de gestión (SAP, Oracle) a fichero plano.

Adquisición de series temporales — Bases de datos temporales

Las bases de datos especializadas en series temporales ofrecen ventajas clave frente a SQL estándar.

Comparativa de bases de datos temporales

Para conjuntos de datos históricos de baja frecuencia (diaria, semanal), una base de datos SQL convencional suele ser suficiente.

Preprocesamiento de series temporales

El preprocesamiento de datos temporales tiene particularidades que lo diferencian del caso tabular general.

Pasos del preprocesamiento

1. Carga y unificación: importar los datos y unificar el índice temporal (mismo formato de fecha y zona horaria).
2. Resampleo: convertir a la frecuencia deseada (p. ej., de segundos a minutos) mediante agregación (media, suma, último valor).
3. Imputación de huecos: rellenar periodos faltantes (interpolación lineal, forward fill, valor cero).
4. Detección y tratamiento de outliers: identificar picos anómalos y decidir si corregirlos o mantenerlos.
5. Descomposición: separar tendencia, estacionalidad y residuo para análisis exploratorio.
6. Normalización: escalar los valores para modelos de deep learning.

Herramientas

pandas, statsmodels, Prophet, tsfresh, sktime, Azure ML Forecasting, Vertex AI Forecasting.

Segmentación de conjuntos temporales

La división de datos temporales debe respetar el orden cronológico: nunca mezclar pasado con futuro.

División temporal estricta

|---- Entrenamiento ----|-- Validación --|-- Test --|
     (datos más antiguos)                (datos más recientes)

Validación cruzada en series temporales

La validación cruzada estándar (k-fold aleatoria) no es válida en series temporales. Se usa walk-forward validation:

Iter 1: Train [1..100]  --> Validar [101..120]
Iter 2: Train [1..120]  --> Validar [121..140]
Iter 3: Train [1..140]  --> Validar [141..160]
...

Esto simula el proceso real de reentrenamiento periódico del modelo en producción.

Modelos de pronóstico — Estadísticos clásicos

ARIMA (AutoRegressive Integrated Moving Average)

• Modelo estadístico para series temporales univariadas estacionarias.
• Parámetros: p (autorregresión), d (diferenciación), q (media móvil).
• Variante estacional: SARIMA (añade parámetros P, D, Q, m).
• Adecuado para series con pocos datos y comportamiento predecible.

Exponential Smoothing (Holt-Winters)

• Promedia las observaciones pasadas dando más peso a las recientes.
• Versión con tendencia y estacionalidad: Holt-Winters.
• Muy eficiente computacionalmente; funciona bien con datos de bajo volumen.

Cuándo elegir modelos estadísticos

• Pocos datos históricos (< 2 años con frecuencia mensual).
• La serie tiene comportamiento estable y bien caracterizado.
• Se necesita interpretabilidad alta de los parámetros.

Modelos de pronóstico — Machine Learning y Deep Learning

Prophet (Meta)

• Modelo aditivo diseñado para series con estacionalidad múltiple y efectos de festivos.
• Fácil de configurar; robusto ante huecos y outliers.
• Ideal para predicciones de negocio (ventas, tráfico web, demanda).

LSTM (Long Short-Term Memory)

• Red neuronal recurrente especializada en secuencias largas.
• Captura dependencias complejas no lineales.
• Requiere más datos y tiempo de entrenamiento que los modelos estadísticos.

TFT — Temporal Fusion Transformer

• Arquitectura Transformer adaptada a series temporales multivariadas.
• Maneja múltiples series simultáneamente con covariables conocidas (precio del petróleo, festivos).
• Estado del arte en benchmarks de pronóstico empresarial.

Configuración del experimento de pronóstico

Hiperparámetros clave

Métricas de evaluación en pronóstico

Métricas de error

Intervalo de predicción (PI)

El modelo debe proporcionar no solo el valor esperado sino también un intervalo de confianza (p. ej., PI al 80% y al 95%) para comunicar la incertidumbre al negocio.

Documentación del experimento de pronóstico

Informe de resultados (estructura mínima)

Despliegue del modelo de pronóstico

Patrones de integración de entradas y salidas

Ciclo de reentrenamiento

[Producción] --> Acumula nuevos datos --> [Reentrenamiento periódico]
    --> Evalúa drift del modelo --> Si drift > umbral --> Despliega nuevo modelo

Despliegue — Monitorización y drift

Una vez en producción, el modelo debe monitorizarse continuamente.

Tipos de drift en series temporales

Alertas de monitorización

• Configurar alertas cuando el error de producción supere el umbral del informe de experimento.
• Revisar mensualmente las métricas de producción vs. las del experimento.

Actividad práctica — UD3

"Pronóstico de consumo energético en una planta industrial"

Escenario: La empresa IndustriaVerde S.A. tiene registros horarios de consumo eléctrico de sus 3 plantas durante los últimos 2 años (17.520 observaciones por planta). Quiere predecir el consumo de las próximas 48 horas para optimizar la compra de energía en el mercado.

Tareas:

1. Cargar los datos desde un fichero Parquet y unificar el índice temporal (UTC+1).
2. Preprocesar: detectar y tratar huecos (forward fill), eliminar outliers extremos (IQR x3), descomponer la serie con STL.
3. Dividir el dataset: entrenamiento hasta el 31/10/2024, validación noviembre 2024, test diciembre 2024.
4. Experimentar con Prophet y LSTM. Horizonte de predicción: 48 horas. Métricas: MAE y MAPE.
5. Seleccionar el modelo ganador y justificarlo. Calcular el intervalo de predicción al 80%.
6. Desplegar el modelo como API REST: entrada = últimas 168 horas, salida = predicción 48h + PI 80%.

Entregable: Informe completo + endpoint de inferencia documentado con ejemplos de llamada.

Puntos clave — UD3

• Una serie temporal tiene cuatro componentes: tendencia, estacionalidad, ciclo y ruido.
• La adquisición puede ser por streaming (API polling, WebSocket, MQTT, Kafka) o por batch (fichero, base de datos temporal).
• El preprocesamiento incluye resampleo, imputación de huecos, detección de outliers, descomposición y normalización.
• La división de datos debe ser cronológica estricta; la validación cruzada usa walk-forward validation.
• Los modelos principales son: ARIMA/SARIMA (estadístico), Prophet (ML aditivo), LSTM (deep learning), TFT (transformer).
• El informe de resultados debe incluir métricas, varianza, intervalo de predicción y tiempo de cómputo.
• El modelo en producción requiere monitorización de drift y reentrenamiento periódico.

Criterios de evaluación — UD3

Navegación

← UD2 · Valoración predictiva de dato…  ·  Volver al módulo  ·  UD4 · Visión artificial sobre imáge… →